时间戳

首页 > 解决方案 > 如何使用多项逻辑回归解决多标签分类问题？

python-3.x - 如何使用多项逻辑回归解决多标签分类问题？

问题描述

我必须根据其他属性来预测学生所参加的课程类型。

prog是一个分类变量，指示学生所参加的课程类型：“通用”(1)、“学术”(2) 或“职业”(3)

Ses 是一个分类变量，表示某人的社会经济阶层：“低”（1）、“中”（2）和“高”（3）

read, write, math,science是他们在不同测试中的分数

honors 他们是否已注册

图像格式的 csv 文件；

import pandas as pd;
import numpy as np;
df1=pd.get_dummies(df,drop_first=True);
X=df1.drop(columns=['prog_general','prog_vocation'],axis=1);
y=df1.loc[:,['prog_general','prog_vocation']];
from sklearn.model_selection import train_test_split;
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.30, random_state=42);
from sklearn.linear_model import LogisticRegression;
from sklearn.metrics import classification_report;
clf=LogisticRegression(multi_class='multinomial',solver='newton-cg');
model=clf.fit(X_train,y_train)

但是在这里我收到以下错误：

ValueError：输入形状错误 (140, 2)。

标签： python-3.xscikit-learnlogistic-regressionmultilabel-classification

解决方案

因此，LogisticRegression不处理多个目标。但 Sklearn 中的所有模型并非如此。例如，所有基于树的模型 ( DecisionTreeClassifier) 都可以本地处理多输出。

要使其适用于LogisticRegression，您需要一个MultiOutputClassifier包装器。

例子：

import numpy as np
from sklearn.datasets import make_multilabel_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

X, y = make_multilabel_classification(n_classes=3, random_state=0)
clf = MultiOutputClassifier(estimator= LogisticRegression()).fit(X, y)
clf.predict(X[-2:])

推荐阅读