Scikit学习-多项逻辑回归的错误输入形状错误

Question

我正在使用Scikit-learn在Python中实现一个多项式逻辑回归模型。这是我的代码：

X = pd.concat([each for each in feature_cols], axis=1)
y = train[["<5", "5-6", "6-7", "7-8", "8-9", "9-10"]]
lm = LogisticRegression(multi_class='multinomial', solver='lbfgs')
lm.fit(X, y)

然而，当ValueError: bad input shape (50184, 6)试图执行最后一行代码时，我得到了它。

X是具有50184行、7列的DataFrame。y也有50184行，但有6列。

我最终想预测结果会落在什么位置（<5、5-6等）。在这种情况下使用的所有自变量和因变量都是伪列，其二进制值为0或1。我错过了什么？

Answer 1

逻辑回归3类分类器示例说明了拟合LogisticRegression如何使用向量而不是矩阵输入，在本例中是iris数据集的target变量，编码为值[0, 1, 2]。

要将伪矩阵转换为级数，可以将每列乘以一个不同的整数，然后——假设它是pandas.DataFrame——只需对结果调用.sum(axis=1)。类似于：

for i, col in enumerate(y.columns.tolist(), 1):
    y.loc[:, col] *= i
y = y.sum(axis=1)