Python 尝试运行LogisticRegression的fit函数时未获得任何输出

下面是我的简单代码

import matplotlib.pyplot as plt
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report, confusion_matrix

x = np.arange(10).reshape(-1, 1)
y = np.array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1])

model = LogisticRegression(solver='liblinear', random_state=0)

print(model.fit(x, y))

---

我得到的结果是：

LogisticRegression(random_state=0, solver='liblinear')

我用其他数据和PyCharm做了同样的尝试

---

我做错了什么？

Scikit learn的模型都以类似的方式工作。

fit

方法不返回任何内容，它只更新模型的参数，即进行训练

如果希望返回预测作为示例，则需要使用

predict

方法。请注意，在拟合模型后，当然应该使用

predict

方法（这对于需要拟合模型才能理解的任何其他方法都是有效的）。请注意，这些模型通常还实现了一种同时执行这两种操作的

fit\u predict

方法

您的代码可能如下所示：

model=logistic回归（solver='liblinear'，random_state=0）
model.fit（x，y）#进行学习
预测=模型。预测（x）#获取训练数据集上的预测值

这是否回答了您的问题？这是一个非常低级的问题，OP可以轻松查看Sklearn文档。你为什么留下答案？！添加

model.fit（x，y）

model.predict（x[：2，：]）

model.score（x，y）

他需要先用谷歌搜索一下！我投票结束这个问题，因为所描述的行为是预期的和名义上的，没有任何问题或错误需要纠正或调试。你所说的

model.predict（x）

是什么意思？它返回

数组（[0,0,0,1,1,1,1,1,1]）

它是

x

model.predict（x）返回预测，我们将其称为

y\u pred

。在您的情况下，

ypred=y

，这意味着模型在训练集上具有100%的准确性。