如何更改逻辑回归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规范化。我正在得到

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)

下面是 X 和 y 的形状：

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

我尝试过：

我发现我需要改变y_train的形状。我尝试将y_train转换为np.array并flatten()它，但它不起作用。我想我需要(527,1)形状。我也尝试了reshape([527,1])但它给了我一个错误。我知道那件事

y：形状的阵列状(n_samples，(

相对于 X 的目标向量。

但不知道如何正确实现它。

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()并得到错误：ValueError: could not convert string to float: 'x'

Answer 1

数据使用一种热编码进行规范化。

scikit-learn的LogisticRegression不应该是这种情况;正如引用的文档所说：

y：形状的阵列状(n_samples，(

相对于 X 的目标向量。

您需要为所有标签(训练、验证、测试(提供(n_samples,)形状。你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。