Question

我是Python的新手，并试图在pandas数据帧上使用sklearn执行线性回归。这就是我所做的：

首先我标记我的数据框

  # imports
import pandas as pd
from pandas import DataFrame
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model
from sklearn.preprocessing import Imputer
from sklearn.linear_model import LogisticRegression

col=['Id','Clump Thickness','Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion',
                            'Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']
# read data into a DataFrame
data = pd.read_csv("breast_cancer.txt",header=None, prefix="V")
data.columns = col
d = pd.DataFrame(data,columns=col)

第二次我用相应特征的平均值填充所有缺失值

list_of_means = d.mean()

# filling missing values with mean 
for i in range (2,10):
    for j in range(699):
        if d.iloc[j, i] == "?":
            d.iloc[j, i] = round(list_of_means[i],0)
d['Type'] = 'benign'
# map Type to 0 if class is 2 and 1 if class is 4 
d['Type'] = d.Class.map({2:0, 4:1})
X = d[['Clump Thickness','Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion',
                            'Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses']]

第三，我创建了新列并命名为Type，将类2映射到类型0，将类4映射到类型1

y=[['Type']]
# instantiate a logistic regression model, and fit with X and y
model = LogisticRegression()
model = model.fit(X.reshape(X.shape[0], 1), y)
# check the accuracy on the training set
score = model.score(X, y)
#calculate correlation matrix
corMat = DataFrame(data.iloc[:,2:10].corr())
print 'correlation matrix'
print(corMat)

print score

print X.head()

但是我收到了这个错误 逻辑回归ValueError：找到样本数不一致的输入变量： 在我做了一些搜索之后我发现sklearn需要数据形状（行号，列号）所以适合方法

model = model.fit(X.reshape(X.shape[0], 1), y)

如上所述，但我收到新错误

返回对象.__ getattribute __（self，name） AttributeError：'DataFrame'对象没有属性'reshape'

数据集功能

 #  Attribute                     Domain
   -- -----------------------------------------
   1. Sample code number            id number
   2. Clump Thickness               1 - 10
   3. Uniformity of Cell Size       1 - 10
   4. Uniformity of Cell Shape      1 - 10
   5. Marginal Adhesion             1 - 10
   6. Single Epithelial Cell Size   1 - 10
   7. Bare Nuclei                   1 - 10
   8. Bland Chromatin               1 - 10
   9. Normal Nucleoli               1 - 10
  10. Mitoses                       1 - 10
  11. Class:                        (2 for benign, 4 for malignant)

PS：我注意到大量的初学者问题在stackoverflow中被低估了。请注意这样一个事实，即专家用户看似显而易见的事情可能需要一个初学者的日子才能弄明白。按下向下箭头时，请谨慎使用，否则会损害此讨论社区的活力。

Answer 1

我的代码是正确的，只是当我试图分配时我有一个错字我所以我改变了

y=[['Type']]

到

y=d[['Type']]

还要注意scikit learn会抛出警告，因为我传递的是列向量而不是id数组，但你可以通过更改来解决这个问题

model.fit(X, y) to 
model.fit(X, y.values.ravel())

DataConversionWarning：当预期有1d数组时，传递了列向量y。请将y的形状更改为（n_samples，），例如使用ravel（）。 y = column_or_1d（y，warn = True）

逻辑回归ValueError：找到样本数不一致的输入变量：[699，

1 个答案: