使用CIFAR-10数据集的逻辑回归

Question

我已将cifar10-dataset中数据文件的数据附加到numpy数组中：

train_dataset=np.ndarray((50000,3072),dtype=np.float32)
train_labels=np.ndarray(50000,dtype=np.float32)

从培训文件到：

test_data=np.ndarray((10000,3072),dtype=np.float32)
test_labels=np.ndarray(10000,dtype=np.float32

sample_size = 1000
regr = LogisticRegression()
X_train = train_dataset[:sample_size]
y_train = train_labels[:sample_size]
%time regr.fit(X_train, y_train)
regr.score(test_data_final, test_labels_final)

我得到以下输出：

CPU times: user 19.8 s, sys: 0 ns, total: 19.8 s
Wall time: 20.2 s
Out[11]:
0.24940000000000001

这是在数据上运行逻辑回归的正确方法吗？ 或者我应该重塑数据，因为每个数组由（R-G-B）32 * 32 * 32图像的3072（32 * 32 * 3）值组成？