Numpy 将列表重塑为（-1,1），并将浮点作为数据类型返回

我正在尝试建立逻辑回归模型，data.Exam1是第一列

    reg = linear_model.LogisticRegression()
    X = list(data.Exam1.values.reshape(-1,1)).........(1)

我做过这个手术

type(X[0]) returns numpy.ndarray

reg.fit接受包含列表中所有浮动项的参数，因此我这样做是因为出现了异常

ValueError:Unknown label type:“continuous”

newX = []
for item in X:
    type(float(item))
    newX.append(float(item))

所以当我试着去做

reg.fit(newX,newY,A)

这给我带来了一个例外

Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.

我已经在（1）中做过了，当我再次尝试重塑时，它再次返回ndarray，我如何能够同时重塑和转换项目以使其浮动？？ 通过聊天调整我们的解决方案

您试图将入学（类型：bool）理解为考试分数的函数（Exam1:float，Exam2:float）。问题的关键在于

sklearn.linear\u model.LogisticRegression

需要两个输入：

• X

  ：训练数据的向量/矩阵，形状（观察数、预测数）为浮点型

• Y

  ：分类结果的向量（在本例中为二进制），其形状（观察数，1）为bool或int类型

您调用它的方式是尝试将Exam2（float）作为Exam1（float）的函数进行拟合。这是根本问题。更为复杂的是，您将重塑后的numpy数组作为列表进行重铸的方式。假设

data

是一个

pandas.DataFrame

，则需要如下内容：

X = np.vstack((data.Exam1, data.Exam2)).T 
print X.shape # should be (100, 2) 
reg.fit(X, data.Admitted)

---

这里，

data.Exam1

和

data.Exam2

都是长度为100的向量。使用

np.vstack

将它们组合成形状（2100），因此我们采用转置，使其与沿第一维度（100，2）的观测值正确定向。在

np.vstack

过程中，无需将

pd.Series

作为

np.array

进行重铸，也无需将

data.Exam1.values

作为列表进行重铸。类似地，

data.accepted

（带shape（100，））可以很好地与

reg.fit

配合使用。您是否尝试过

.restrape（-1，1）.astype（float）

？请参阅reference@wflynny刚才尝试了这个

X=list（data.Exam1.values.reformate（-1,1）.astype（float））

仍然返回ndarray@wflynny它返回（100，）@wflynny仍然失败：（，我附加了一个imageLet。