Я хочу завершить свой логистический регрессионный алгоритм, который предсказывает годовой сезон на основе названия магазина и категории покупки (см. Ниже примерные данные и обратите внимание на кодировку ярлыков). Имя магазина - это любая типичная строка, а категории, tops
- одна из разновидностей равномерного ввода строк. То же самое для четырех сезонов.
store_df.head()
shop category season
0 594 4 2
1 644 4 2
2 636 4 2
3 675 5 2
4 644 4 0
Мой полный код ниже, и я не уверен, почему он не принимает форму моих входных значений. Моя цель - использовать магазин и категорию для прогнозирования сезона.
predict_df = store_df[['shop', 'category', 'season']]
predict_df.reset_index(drop = True, inplace = True)
le = LabelEncoder()
predict_df['shop'] = le.fit_transform(predict_df['shop'].astype('category'))
predict_df['top'] = le.fit_transform(predict_df['top'].astype('category'))
predict_df['season'] = le.fit_transform(predict_df['season'].astype('category'))
X, y = predict_df[['shop', 'top']], predict_df['season']
xtrain, ytrain, xtest, ytest = train_test_split(X, y, test_size=0.2)
lr = LogisticRegression(class_weight='balanced', fit_intercept=False, multi_class='multinomial', random_state=10)
lr.fit(xtrain, ytrain)
Когда я запускаю выше, я нажимаю на ошибку, ValueError: bad input shape (19405, 2)
Моя интерпретация заключается в том, что она связана с двумя функциями ввода, но что мне нужно изменить, чтобы иметь возможность использовать обе функции?
Вот рабочий пример, который вы можете использовать для сравнения кода и удаления любых ошибок. Я добавил несколько строк в фрейм данных - детали и результаты после кода. Как вы видите, модель правильно предсказала три из четырех лейблов.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
le = LabelEncoder()
sc = StandardScaler()
X = pd.get_dummies(df.iloc[:, :2], drop_first=True).values.astype('float')
y = le.fit_transform(df.iloc[:, -1].values).astype('float')
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=0)
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
log_reg = LogisticRegression()
log_reg.fit(X_train, y_train)
y_pred = log_reg.predict(X_test)
conf_mat = confusion_matrix(y_test, y_pred)
df
Out[32]:
shop category season
0 594 4 2
1 644 4 2
2 636 4 2
3 675 5 2
4 644 4 0
5 642 2 1
6 638 1 1
7 466 3 0
8 455 4 0
9 643 2 1
y_test
Out[33]: array([2., 0., 0., 1.])
y_pred
Out[34]: array([2., 0., 2., 1.])
conf_mat
Out[35]:
array([[1, 0, 1],
[0, 1, 0],
[0, 0, 1]], dtype=int64)