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>

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)

Python
1from sklearn import linear_model　　　　　 #線形モデル
2model = linear_model.LinearRegression()
3model.fit(X_train, y_train)               #この形式ではコンパイルが通りました。
4
5from sklearn.linear_model import LogisticRegression #ロジスティック回帰モデル
6model = LogisticRegression()
7model.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。

hayataka2049

2019/03/17 15:59

出たエラーとかを教えてください

moto_i

2019/03/17 16:20 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