我希望每個人都在 COVID-19 大流行中保持安全。我是 Python 新手，有一個關于將數據從 CSV 導入 Python 以進行簡單邏輯回歸分析的快速問題，其中因變量是二元的，自變量是連續的。我導入了一個 CSV 文件，然后希望使用一個變量（Active）作為自變量，另一個變量（Smoke）作為響應變量。我能夠將 CSV 文件加載到 Python 中，但每次我嘗試生成邏輯回歸模型來預測來自運動的煙霧時，我都會收到一個錯誤，即運動必須重新整形為一列（二維），因為它目前是一列維度。import matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import classification_report, confusion_matrixdata = pd.read_csv('Pulse.csv') # Read the data from the CSV filex = data['Active'] # Load the values from Exercise into the independent variablex = np.array.reshape(-1,1)y = data['Smoke'] # The dependent variable is set as Smoke我不斷收到以下錯誤消息：83. 102. 102. 106. 79. 80. 79. 110. 144. 80. 97. 60. 80. 108. 107. 51. 68. 80. 80. 60. 64. 87. 110. 110. 82. 154. 139. 86. 95. 112. 120. 79. 64. 84. 65. 60. 79. 79. 70. 75. 107. 78. 74. 80. 121. 120. 96. 75. 106. 88. 91. 98. 63. 95. 85. 83. 92. 81. 89. 103. 110. 78. 122. 122. 71. 65. 92. 93. 88. 90. 56. 95. 83. 97. 105. 82. 102. 87. 81.]。如果您的數據具有單個特征，則使用 array.reshape(-1, 1) 重塑您的數據，如果它包含單個樣本，則使用 array.reshape(1, -1) 。89. 103. 110. 78. 122. 122. 71. 65. 92. 93. 88. 90. 56. 95. 83. 97. 105. 82. 102. 87. 81.]。如果您的數據具有單個特征，則使用 array.reshape(-1, 1) 重塑您的數據，如果它包含單個樣本，則使用 array.reshape(1, -1) 。89. 103. 110. 78. 122. 122. 71. 65. 92. 93. 88. 90. 56. 95. 83. 97. 105. 82. 102. 87. 81.]。如果您的數據具有單個特征，則使用 array.reshape(-1, 1) 重塑您的數據，如果它包含單個樣本，則使用 array.reshape(1, -1) 。以下是包含錯誤的完整更新代碼（2020 年 4 月 12 日）： *我無法將錯誤日志輸入到此文檔中，因此我已將其復制并粘貼到此公共 Google 文檔中：https://docs.google。 com/document/d/1vtrj6Znv54FJ4Zvv211TQvvCN6Ac5LDaOfvHicQn0nU/edit?usp=sharing此外，這里是 CSV 文件： https ://drive.google.com/file/d/1g_-vPNklxRn_3nlNPsR-IOflLfXSzFb1/view?usp=sharing
2 回答
慕沐林林
TA貢獻2016條經驗 獲得超9個贊
下面的代碼應該可以工作：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, confusion_matrix
data = pd.read_csv('Pulse.csv')
x = pd.DataFrame(data['Smoke'])
y = data['Smoke']
lr = LogisticRegression()
lr.fit(x,y)
p_pred = lr.predict_proba(x)
y_pred = lr.predict(x)
score_ = lr.score(x,y)
conf_m = confusion_matrix(y,y_pred)
report = classification_report(y,y_pred)
print(score_)
0.8836206896551724
print(conf_m)
[[204 2]
[ 25 1]]
四季花海
TA貢獻1811條經驗 獲得超5個贊
嘗試這個：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, confusion_matrix
data = pd.read_csv('Pulse.csv') # Read the data from the CSV file
x = data['Active'] # Load the values from Exercise into the independent variable
y = data['Smoke'] # The dependent variable is set as Smoke
lr = LogisticRegression().fit(x.values.reshape(-1,1), y)
添加回答
舉報
0/150
提交
取消