如何将numpy数组作为logistic回归的输入?
目前,我正在开发一个视频推荐系统,该系统将以0(负)和1(正)的形式预测视频。我成功地从YouTube上抓取了数据集,并以0(负)和1(正)的形式找到YouTube评论的情感。我使用一个热编码器对我的csv文本数据进行编码,并以numpy数组的形式输出。现在我的问题是,在逻辑回归中,如何将numpy数组作为输入(X)?下面是我的代码、输出和csv(1874 X 2) 目标变量是如何将numpy数组作为logistic回归的输入?,numpy,logistic-regression,one-hot-encoding,Numpy,Logistic Regression,One Hot Encoding,目前,我正在开发一个视频推荐系统,该系统将以0(负)和1(正)的形式预测视频。我成功地从YouTube上抓取了数据集,并以0(负)和1(正)的形式找到YouTube评论的情感。我使用一个热编码器对我的csv文本数据进行编码,并以numpy数组的形式输出。现在我的问题是,在逻辑回归中,如何将numpy数组作为输入(X)?下面是我的代码、输出和csv(1874 X 2) 目标变量是Comments\u mountains 输出为: array([[1.], [1.], [1.],
Comments\u mountains
输出为:
array([[1.],
[1.],
[1.],
...,
[1.],
[1.],
[1.]])
任何人都可以通过将此numpy数组作为逻辑回归的输入来解决此查询吗?您可以使用反函数
enc.reverse_变换([[0,1,1,0,0],[0,0,0,1,0]])
enc fit([[0,0,3],[1,1,0],[0,2])
好的,我使用逆变换
方法,但是我可以使用onehotlabels
变量作为参数吗?因为输出存储在onehotlabels
变量中
array([[1.],
[1.],
[1.],
...,
[1.],
[1.],
[1.]])