逻辑回归：ValueError：未知标签类型：“连续”答案

【问题标题】：Logistic regression: ValueError: Unknown label type: 'continuous'逻辑回归：ValueError：未知标签类型：“连续”
【发布时间】：2018-12-05 05:10:30
【问题描述】：

我想使用逻辑回归从 Excel 数据集中预测和绘制 curve 并获取其斜率系数。但是，当我运行代码（见下文）时，会出现错误“ValueError: Unknown label type: 'continuous'.”。

我在类似的问题中读到 y 值应该是 'int' 类型，但我不想转换它，因为 y 数字介于 1.66 和 0.44 之间......

这种情况是否有解决方案，或者我应该尝试其他回归模型吗？

提前非常感谢

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
import seaborn as sns
from sklearn.linear_model import LogisticRegression


df = pd.read_excel('Fatigue2.xlsx',sheet_name='Sheet4')

X = df[['Strain1', 'Temperature1']]
y = df['Cycles1']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=101)

#poly = PolynomialFeatures(degree=2)
#X_ = poly.fit_transform(X_train)

LR = LogisticRegression()
LR.fit(X_train,y_train)

g = sns.lmplot(x='Cycles1', y='Strain1', hue = 'Temperature1', data=df, fit_reg= False)
g.set(xscale='log', yscale ='log')
g.set_axis_labels("Cycles (log N)", "Strain")

print ('Coefficients : ', LR.coef_, 'Intercept :', LR.intercept_)

关于数据，我在 Excel 表中总共有 97 个值：

Cycles1   Strain1    Temperature1

27631     1.66         650
...       ...          650
6496220   0.44         650

【问题讨论】：

逻辑回归用于预测离散的标签或类别。您所描述的内容（检索斜率、从 ... 到 ... 的数值）听起来更像是线性回归案例。
感谢您的解释。事实上，它使用线性回归，但它只返回一个系数，我需要更高的精度。那么我将尝试使用多项式回归。
您的PolynomialFeatures 预处理器应该能够为您构建线性回归的多项式。甚至可能有一些用于组合功能的预处理器。顺便提一句。系数的数量应等于您放入模型的特征数量。
'顺便说一句。系数的数量应该等于您放入模式的特征数量'，我不明白：据我了解，我在 PolynomialFeature 中放入的度数正在影响系数的数量，例如度数 = 2 - > ['1', 'x', 'y', 'x^2', 'x y', 'y^2']。正确的？你到底是什么意思？
sry 我指的是没有多项式特征的线性情况。对于多项式情况，它应该是特征数乘以度数（如果您使用常数进行估计，则为 +1）

标签： python logistic-regression

【解决方案1】：

基于docstype_of_target(y)：

确定目标指示的数据类型。

请注意，此类型是可以推断的最具体的类型。例如：

binary 更具体，但与 multiclass 兼容。

multiclass 的整数更具体但兼容 continuous。

multilabel-indicator 更具体但兼容 multiclass-multioutput。

参数

y：类数组

返回

目标类型：字符串

其中之一：

'continuous'：y 是一个类似于数组的浮点数，并非全部整数，并且是 1d 或列向量。

...

将`y` 更改为`y.astype(int)`

【讨论】：

【解决方案2】：

来自sklearn 的LogisticRegression 是一个分类器，即它期望响应变量是分类的。

你的任务是回归。此外，该图似乎没有右侧 logit 的渐近行为。如here 所述，使用多项式回归可能会获得更好的结果。

【讨论】：

是的，我在多项式回归中对其进行了更改，它好多了！非常感谢

参数

返回

将y 更改为y.astype(int)

将`y` 更改为`y.astype(int)`