如何更改 LogisticRegression 拟合函数的输入形状？

Question

我正在尝试将 LogisticRegression 应用于我的数据集。

我已将数据拆分为训练、测试和验证。数据使用一种热编码进行标准化。我得到

ValueError: bad input shape (527, 2)

这是我的代码：

import numpy as np
import pandas as pd
from sklearn.linear_model import LogisticRegression

#read the data
train_data = pd.read_csv('ip2ttt_train.data',header=None)
test_data = pd.read_csv('ip2ttt_test.data', header=None)
valid_data = pd.read_csv('ip2ttt_valid.data', header=None)

#for valid dataset
valid_label = valid_data[9]
valid_features = valid_data.drop(columns =9) 

#for test dataset
test_label = test_data[9] 
test_features = test_data.drop(columns =9)

#for train dataset
train_label = train_data[9] 
train_features = train_data.drop(columns =9)

X_valid = pd.get_dummies(valid_features)
y_valid = pd.get_dummies(valid_label)

X_test = pd.get_dummies(test_features)
y_test = pd.get_dummies(test_label)

X_train = pd.get_dummies(train_features)
y_train = pd.get_dummies(train_label)

clf = LogisticRegression(random_state=0, multi_class='multinomial', solver='newton-cg', penalty='l2') #penalty = L1 or L2 and solver = newton-cg or lbfgs

clf.fit(X_train, y_train)

这是 X 和 y 的形状：

X_train.shape
(527, 27)
y_train.shape
(527, 2)

我试过的：

我发现我需要改变 y_train 的形状。我尝试将 y_train 转换为 np.array 和 flatten() 但它没有用。我想我需要 (527,1) 形状。我也试过 reshape([527,1]) 但它给了我一个错误。我知道

y: array-like of shape (n_samples,)

Target vector relative to X.

但不知道如何正确实施。

更新： train_label 的示例数据：

0      positive
1      positive
2      positive
3      positive
4      positive
         ...   
522    negative
523    negative
524    negative
525    negative
526    negative
Name: 9, Length: 527, dtype: object

train_features

的示例数据

    0   1   2   3   4   5   6   7   8
0   x   x   x   x   o   o   x   o   o
1   x   x   x   x   o   o   o   x   o
2   x   x   x   x   o   o   b   o   b
3   x   x   x   x   o   b   o   o   b
4   x   x   x   x   b   o   o   b   o
... ... ... ... ... ... ... ... ... ...
522 x   o   x   o   o   x   x   x   o
523 o   x   x   x   o   o   x   o   x
524 o   x   x   x   o   o   o   x   x
525 o   x   o   x   x   o   x   o   x
526 o   x   o   x   o   x   x   o   x

我试图在没有 热编码的情况下将它们输入 fit() 出现错误：ValueError: could not convert string to float: 'x'

Answer 1

Data is normalized with one hot encoding.

scikit-learn 的 LogisticRegression 应该不是；正如引用的文档所说：

y: array-like of shape (n_samples,)

Target vector relative to X.

您的所有标签（训练、验证、测试）都需要 (n_samples,) 的形状。您应该删除所有用于定义y_train、y_valid和y_test的pd.get_dummies()命令，并分别使用train_label、valid_label 和 test_label。

如何更改 LogisticRegression 拟合函数的输入形状？

How to change input shape for LogisticRegression fit function?

python

scikit-learn

logistic-regression