在Python中实现逻辑回归时Scikit-learn ValueError

Question

我是机器学习的新手，我正在尝试使用scikit-learn在Python中为预测目的设置逻辑回归。我已经用一个小的模拟数据集设置了一个，但是当扩展这个代码以适用于更大的数据集时，我遇到了一个关于ValueError的问题。这是我的代码：

inputData = np.genfromtxt(file, skip_header=1, unpack=True)
print "X array shape: ",inputData.shape 
inputAnswers = np.genfromtxt(file2, skip_header=1, unpack=True)
print "Y array shape: ",inputAnswers.shape

logreg = LogisticRegression(penalty='l2',C=2.0)
logreg.fit(inputData, inputAnswers)

inputData 2D数组（矩阵）有149行和231列。我试图将它装入inputAnswers数组，该数组有149行，正确对应于inputData数组的149行。但是，这是我收到的输出：

X array shape:  (231, 149)
Y array shape:  (149,)
Traceback (most recent call last):
File "LogRegTry_rawData.py", line 26, in <module>
logreg.fit(inputData, inputAnswers)
File "[path]", line 676, in fit
(X.shape[0], y.shape[0]))
ValueError: X and y have incompatible shapes.
X has 231 samples, but y has 149.

我理解错误的含义，但我不确定它在这种情况下出现的原因以及解决方法。任何帮助是极大的赞赏。谢谢！

Answer 1

在形状上，第一个元素是行数，第二个元素是列数。所以你有231个条目，只有149个标签。尝试转置您的数据：inputData.T