Python 3.x 如何使用多项式logistic回归解决多标签分类问题？

我必须根据其他属性预测学生的课程类型

prog是一个分类变量，表示学生参加的课程类型：“一般”1、“学术”2或“职业”3

Ses是一个分类变量，表示某人的社会经济阶层：“低”1、“中”2和“高”3

读、写、数学、科学是他们在不同测试中的分数

无论他们是否注册，都会获得荣誉

)

作为pd进口大熊猫； 输入numpy作为np； df1=pd.get\u dummiesdf，drop\u first=True； X=df1.dropcolumns=['prog_general'，'prog_Cavilion'，]，axis=1； y=df1.loc[：，[“进步一般”，“进步职业]； 从sklearn.model_selection导入列车测试_split； X_序列，X_测试，y_序列，y_测试=序列测试分割X，y，测试大小=0.30，随机状态=42； 从sklearn.linear_模型导入逻辑回归； 从sklearn.metrics导入分类报告； clf=LogisticRegressionmulti_class='多项式'，解算器='newton-cg'； 型号=clf.fitX\U列车，y\U列车 但这里我得到了以下错误：

---

ValueError:错误的输入形状140，2

因此，LogisticRegression不处理多个目标。但Sklearn中的所有模型并非如此。例如，所有基于树的模型都可以本地处理多个输出

要使LogisticRegression工作，您需要一个包装器

例如：

将numpy作为np导入 从sklearn.dataset导入make_multilabel_分类 从sklearn.multioutput导入MultiOutputClassifier 从sklearn.linear_模型导入逻辑回归 十、 y=make_multilabel_classificationn_classes=3，random_state=0 clf=MultiOutputClassifierRestimator=LogisticRegression.fitX，y clf.predictX[-2:] 因此，LogisticRegression不处理多个目标。但Sklearn中的所有模型并非如此。例如，所有基于树的模型都可以本地处理多个输出

要使LogisticRegression工作，您需要一个包装器

例如：

将numpy作为np导入 从sklearn.dataset导入make_multilabel_分类 从sklearn.multioutput导入MultiOutputClassifier 从sklearn.linear_模型导入逻辑回归 十、 y=make_multilabel_classificationn_classes=3，random_state=0 clf=MultiOutputClassifierRestimator=LogisticRegression.fitX，y clf.predictX[-2:]

---

错误是什么？ValueError:错误的输入形状140，2。错误是什么？ValueError:错误的输入形状140，2。