質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.99%

機械学習 ロジスティック回帰 LogisticRegressionの使い方に関する質問です <Python>

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 436

moto_i

score 16

ロジスティック回帰 LogisticRegressionに関する質問です。

コンストラクタで回帰モデルのオブジェクトを作成し、訓練データを指定して fit() を実行したいです。
おそらく定義の仕方に問題があると思っております。

X_train, y_trainは学習データとして定義しています。

ロジスティック回帰公式ドキュメント
引用(https://scikit-learn.org/0.19/modules/generated/sklearn.linear_model.LogisticRegression.html)

from sklearn import linear_model      #線形モデル
model = linear_model.LinearRegression()
model.fit(X_train, y_train)               #この形式ではコンパイルが通りました。

from sklearn.linear_model import LogisticRegression #ロジスティック回帰モデル
model = LogisticRegression()
model.fit(X_train, y_train)               #この形式ではコンパイルが通りませんでした。この場合の正しい定義の仕方が知りたいです。

ご回答よろしくお願いいたします。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • hayataka2049

    2019/03/18 00:59

    出たエラーとかを教えてください

    キャンセル

  • moto_i

    2019/03/18 01:17 編集

    すみません。エラーを忘れていました。下記です。

    ValueError Traceback (most recent call last)
    <ipython-input-5-dc74a1caa625> in <module>
    4
    5
    ----> 6 model.fit(X_train, y_train)

    ~/.pyenv/versions/3.6.5/lib/python3.6/site-packages/sklearn/linear_model/logistic.py in fit(self, X, y, sample_weight)
    1214
    1215 X, y = check_X_y(X, y, accept_sparse='csr', dtype=_dtype,
    -> 1216 order="C")
    1217 check_classification_targets(y)
    1218 self.classes_ = np.unique(y)

    ~/.pyenv/versions/3.6.5/lib/python3.6/site-packages/sklearn/utils/validation.py in check_X_y(X, y, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
    571 X = check_array(X, accept_sparse, dtype, order, copy, force_all_finite,
    572 ensure_2d, allow_nd, ensure_min_samples,
    --> 573 ensure_min_features, warn_on_dtype, estimator)
    574 if multi_output:
    575 y = check_array(y, 'csr', force_all_finite=True, ensure_2d=False,

    ~/.pyenv/versions/3.6.5/lib/python3.6/site-packages/sklearn/utils/validation.py in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    439 "Reshape your data either using array.reshape(-1, 1) if "
    440 "your data has a single feature or array.reshape(1, -1) "
    --> 441 "if it contains a single sample.".format(array))
    442 array = np.atleast_2d(array)
    443 # To ensure that array flags are maintained

    キャンセル

回答 1

checkベストアンサー

0

そもそもロジスティック回帰は回帰といっても識別に使うモデルなので、線形回帰と同列に考えるのは間違っています。

直接のエラー原因は見た感じyのshapeでしょう。

y : array-like, shape (n_samples,)
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html

y : array_like, shape (n_samples, n_targets)
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2019/03/18 01:27

    ありがとうございます。確認してみます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.99%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる