拟合 LogisticRegression 时发现样本数不一致的输入变量答案

【问题标题】：Found input variables with inconsistent numbers of samples when fitting LogisticRegression拟合 LogisticRegression 时发现样本数不一致的输入变量
【发布时间】：2017-12-11 15:31:07
【问题描述】：

我正在使用以下代码创建LogisticRegression 分类器：

regressor = LogisticRegression()
regressor.fit(x_train, y_train)

x_train 和 y_train 形状都是

<class 'tuple'>: (32383,)

x_train 包含[0..1] 范围内的值，而y_train 仅包含0s 和1s。

很遗憾，fit 失败并出现错误

ValueError: Found input variables with inconsistent numbers of samples: [1, 32383]

向参数添加转置没有帮助。

【问题讨论】：

尝试重塑 x_train 使其成为 (32383,1)。您得到的错误与 x_train 的形状有关
我刚刚在我之前的评论之后发布了一个示例。我像你一样使用元组。如果您解决了问题，请告诉我

标签： python numpy machine-learning scikit-learn logistic-regression

【解决方案1】：

继续我在评论中提出的解决方案：问题是 x_train 的形状。所以我们需要重塑它：

来自文档：

X : {array-like, sparse matrix}, shape (n_samples, n_features)

y : 类数组，形状 (n_samples,)

示例使用 scikit-learn 和 numpy：

from sklearn.linear_model import LogisticRegression
import numpy as np

# create the tuple data
x_train = tuple(range(32383))
x_train = np.asarray(x_train)

#same for y_train
y_train=tuple(range(32383))
y_train = np.asarray(y_train)

#convert tuples to nparray and reshape the x_train
x_train = x_train.reshape(32383,1)

#check if shape if (32383,)
y_train.shape

#create the model
lg = LogisticRegression()

#Fit the model
lg.fit(x_train, y_train)

这应该可以正常工作。希望对你有帮助

【讨论】：

【解决方案2】：

我想有点重塑是必要的。我试过这样：

    from sklearn.linear_model import LogisticRegression
    import numpy as np 


    #x_train = np.random.randn(10,1)
    x_train = np.asarray(x_train).reshape(32383,1)
    con = np.ones_like(x_train)


    x_train = np.concatenate((con,x_train), axis =1)


    #y = np.random.randn(10,1)
    #y_train = np.where(y<0.5,1,0)
    y_train = np.asarray(y_train).reshape(32383,1)
    regressor = LogisticRegression()
    regressor.fit(x_train,y_train)

cmets 正是我为创建一些数据所做的。并且不要忘记在示例中添加一个常量，据我所知 sklearn 没有这样做。如果您对一些统计测试和漂亮的结果打印感兴趣，Statsmodels 也可能对您有所帮助：

    from statsmodels.api import Logit

    logit =Logit(y_train, x_train)

    fit= logit.fit()
    fit.summary()

这将使您毫不费力地获得更多统计信息。

【讨论】：