Python Logistic Regression 中的 scikit-learn 出现巨大而奇怪的错误？

Question

以下操作涉及 Python scikit-learn 中的逻辑回归

我给你最重要的代码示例：

predictions = logistic_regression.predict(X_test)
prediction=logistic_regression.predict_proba(X_test)[:,:]
prediction=pd.DataFrame(data=predictions, 
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])
prediction.head(10)

昨天我得到了符合我预期的代码结果： （不是同一个表名，而是同一个结果）

enter image description here

但是今天，我完全不知道为什么，当我想再次运行这段代码时，我遇到了一个错误：

ValueError: Shape of passed values is (300, 1), indices imply (300, 2)

怎么可能昨天有效而今天无效？我能做些什么 ？ 下面是完整的错误屏幕：

enter image description here

预测样本是这样的：

print(predictions)

[1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]

我不想在表格中有 1 或 0 我希望在屏幕中的示例中获得 1 或 0 的百分比概率

从下面的源代码中查看预测末尾的同一张表，有相同的代码并且有效： https://www.kaggle.com/neisha/heart-disease-prediction-using-logistic-regression

Answer 1

我认为发生错误是因为预测只有一行， 你有两个列名：

prediction=pd.DataFrame(data=predictions, 
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])

根据您提供的 kaggle 代码：

y_pred_prob=logreg.predict_proba(x_test)[:,:]
y_pred_prob_df=pd.DataFrame(data=y_pred_prob, columns=['Prob of no heart disease (0)','Prob of Heart Disease (1)'])
y_pred_prob_df.head()

我认为您应该将代码更改为：

prediction_df = pd.DataFrame(data=prediction,  
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])

小心它应该是预测，而不是预测。