我如何使拟合在逻辑回归中起作用？

Question

我试图使用逻辑回归拟合数据，但我得到了一个值错误

我正在使用sklearn的iris数据集：

# The data is in iris["data"] and target in iris["target"]
# For this section, we will work with a single feature 'petal width'
# which is the last (fourth) feature in iris["data"]
# We will assign class y=1 if the target's value is 2 and 0 otherwise

from sklearn.datasets import load_iris
import numpy as np

iris = load_iris()

# petal width
X = np.array([len(iris["data"]),1]).reshape(-1,1)
# 1 if Iris virginica, else 0
y = []
for x in iris["target"]:
    if x == 2.0:
        y.append(1)
    else:
        y.append(0)
y = np.array(y)

# Import the LogisticRegression class from scikit learn
from sklearn.linear_model import LogisticRegression

# Initialize the LogisticRegression class, use lbfgs solver and random state of 42
log_reg = LogisticRegression(solver='lbfgs', random_state=42)

# Fit the data
log_reg.fit(X, y)

这就是我到达的地方

ValueError: Found input variables with inconsistent numbers of samples: [2, 150]

不确定是我的x还是y设置不正确

Answer 1

原因是您在此处尝试的X的整形错误：

X = np.array([len(iris["data"]),1]).reshape(-1,1)

结果是

X.shape
# (2,1)

因此样本数量不一致，因为

y.shape
# (150,)

这种重塑是错误的；因为，正如代码中的注释所示，您只需要第四个特性（花瓣宽度），所以应该将其更改为：

X = iris['data'][:,3].reshape(-1,1)

这确实给出了正确的形状：

X.shape
# (150, 1)

您的模型将安装无问题（已测试）