逻辑回归 => ValueError：用序列设置数组元素

Question

我是机器学习的新手，我正在尝试对我的样本数据集应用逻辑回归，我有一个包含数字列表并想要预测类别的功能。

以下是我的代码

from sklearn.linear_model import LogisticRegression
a = [[1,2,3], [1,2,3,4,5,6], [4,5,6,7], [0,0,0,7,1,2,3]]
b = [0,1,0, 0]
p = [[9,0,2,4]]

clfModel1 = LogisticRegression(class_weight='balanced')
clfModel1.fit(a,b)
clfModel1.predict(p)

我收到以下错误

Traceback (most recent call last):
  File "F:\python_3.4\NLP\t.py", line 7, in <module>
    clfModel1.fit(a,b)
  File "C:\Python34\lib\site-packages\sklearn\linear_model\logistic.py", line 1173, in fit
    order="C")
  File "C:\Python34\lib\site-packages\sklearn\utils\validation.py", line 521, in check_X_y
    ensure_min_features, warn_on_dtype, estimator)
  File "C:\Python34\lib\site-packages\sklearn\utils\validation.py", line 382, in check_array
    array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.
>>>

有什么方法可以更改数据，以便我可以应用分类器并预测结果

Answer 1

逻辑回归是一种形式函数的估计：

R^d -> [0,1]

但您的数据显然不是 R^d 的子集，因为 a 中的每个样本都有不同的长度（维度数），因此无法应用。

另一个问题是 p 也应该是样本列表，而不是单个样本（当然，它也必须具有 d 维）。

没有“解决办法”，这只是一个错误的想法。处理“奇数”数据的典型解决方案是什么：

• 您预定义自己的自定义映射（特征提取步骤），给定不同长度的点输出固定长度的表示（因此输出 d 个数字）。没有通用的方法可以做到这一点——一切都取决于数据。
• 有些模型可以处理不同长度的输入，例如 LSTM，但从逻辑回归到循环神经网络是一个巨大的飞跃。
• 使用基于相似性的方法（如 kNN）并简单地定义您自己的衡量两个“数字列表”相似的含义的方法。

没有其他方法 - 要么重新考虑数据的表示，要么改变方法。