将列表重新整形为（-1,1）并将float返回为数据类型

Question

我正在尝试构建Logistic回归模型，data.Exam1是第一列

    reg = linear_model.LogisticRegression()
    X = list(data.Exam1.values.reshape(-1,1)).........(1)

我已执行此操作

type(X[0]) returns numpy.ndarray

reg.fit接受包含列表中所有浮动项的参数，所以我这样做是因为此例外ValueError: Unknown label type: 'continuous'

newX = []
for item in X:
    type(float(item))
    newX.append(float(item))

所以我试图做的时候

reg.fit(newX,newY,A)

它抛出了我的异常

Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.

我已经在（1）中做了，当我再次尝试重塑它再次返回ndarray时，我怎样才能重新整形并将项目转换为浮动同时？

Answer 1

从聊天中调整我们的解决方案

您正在尝试了解入学（类型：bool）作为考试成绩的函数（考试1：浮动，考试2：浮动）。您的问题的关键是sklearn.linear_model.LogisticRegression需要两个输入：

• X：训练数据的矢量/矩阵，其形状（观察数量，预测变量数量）类型为float
• Y：分类结果的向量（在本例中为二进制），其形状（观察数，1）的类型为bool或int

他们称你正在尝试将Exam2（float）作为Exam1（float）的函数。这是根本问题。更复杂的问题是你将重新塑造的numpy数组重新编排为列表的方式。假设data是pandas.DataFrame，您需要以下内容：

X = np.vstack((data.Exam1, data.Exam2)).T 
print X.shape # should be (100, 2) 
reg.fit(X, data.Admitted)

此处，data.Exam1和data.Exam2都是长度为100的向量。使用np.vstack将它们组合成形状（2,100），因此我们采用转置以便我们拥有它沿着第一维度（100,2）进行适当的观察。在data.Exam1.values期间，pd.Series在np.array重播为np.vstack时，无需重新制作列表，甚至无需重复data.Admitted。同样地，reg.fit（形状（100，））与console.log很好地匹配。