Python 3.x sklearn.linear_模型逻辑回归选择列
我已经从Python 3.x sklearn.linear_模型逻辑回归选择列,python-3.x,pandas,scikit-learn,Python 3.x,Pandas,Scikit Learn,我已经从sklearn导入了LogisticRegression模型。我的数据集有785列,其中第一列是我试图训练预测的标签 这是我的密码 clf = LogisticRegression() clf = clf.fit(train[[1:785]], train['label']) 我得到以下错误 File "<ipython-input-22-1c2c333722ad>", line 2 clf = clf.fit(train[[1:785]], train['labe
sklearn
导入了LogisticRegression
模型。我的数据集有785列,其中第一列是我试图训练预测的标签
这是我的密码
clf = LogisticRegression()
clf = clf.fit(train[[1:785]], train['label'])
我得到以下错误
File "<ipython-input-22-1c2c333722ad>", line 2
clf = clf.fit(train[[1:785]], train['label'])
^
SyntaxError: invalid syntax
文件“”,第2行
clf=clf.配合(列车[[1:785]],列车['label']))
^
SyntaxError:无效语法
如何选择除第一列以外的所有列,而不显式地提及所有列名。这对我很有用
clf = clf.fit(train.iloc[:,1:], train[['label']])
请打印出
train.\uu class\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。这将选择除第一列之外的每一列。@E.Z.请注意,从0.20以上。建议使用iloc
和loc
。熊猫数据框架中的双方括号[
不接受切片作为索引。它们接受列或列索引列表。除了@E.Z.的注释外,还可以使用clf=clf.fit(列[[i代表范围内的i(785)],列['label')
。