我无法将逻辑回归纳入模型。如何解决这个问题？

Question

我运行 Google Colab 中的此代码：

from sklearn.metrics import confusion_matrix

# Initialize logreg model
logreg = LogisticRegression()

# Fit the model with data
logreg.fit(X_train, y_train)

# Predict model
y_pred = logreg.predict(X_test)

# Evaluate model using confusion matrix
cnf_matrix = confusion_matrix(y_test,y_pred)
print('Confusion Matrix:\n', cnf_matrix)

它给了我这个输出

<ipython-input-73-2bdb42bd97ad> in <module>()
      6 
      7 # Fit the model with data
----> 8 logreg.fit(X_train, y_train)
      9 
     10 # Predict model

1 frames
/usr/local/lib/python3.7/dist-packages/sklearn/utils/multiclass.py in check_classification_targets(y)
    167     if y_type not in ['binary', 'multiclass', 'multiclass-multioutput',
    168                       'multilabel-indicator', 'multilabel-sequences']:
--> 169         raise ValueError("Unknown label type: %r" % y_type)
    170 
    171 

ValueError: Unknown label type: 'unknown'

如何解决？

我的 X 变量是数字列，y 变量是标签列。我试过这段代码 LogisticRegression().fit(X_train, y_train) 但它也返回了错误。

Answer 1

Sklearn 无法识别 Boolean 类型的目标变量。将它们转换为数值进行训练：

y_train = y_train.astype('int')

如果您希望您的预测显示布尔值（而不是整数），您可以稍后将它们转换为 Boolean:

y_pred = y_pred.astype('bool')

注意：如果您决定转换预测，请确保您预测的不是概率，而是类（即输出是 0 和 1，而不是 2中间值的维矩阵；如果你预测概率，首先将它们转换为类，然后进行布尔转换。

我无法将逻辑回归纳入模型。如何解决这个问题？

I can't fit Logistic Regression into model. How to solve this?

python

scikit-learn

logistic-regression