Random_Logistic_regression中get_support()方法

最新推荐文章于 2023-01-21 14:23:46 发布
最新推荐文章于 2023-01-21 14:23:46 发布
阅读量4.7k 收藏 1
点赞数 1
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Baby_bye/article/details/93408093
版权

使用随机逻辑回归模型进行特征筛选，使用get_support方法获取结果时出现以下错误：

IndexError: boolean index did not match indexed array along dimension 0; dimension is 9 but corresponding boolean dimension is 8

解决办法：

get_support（indices=False）indices默认是False，返回一个类型是boolean的数组；indices为True，返回一个整型数组，

所以解决办法就是把参数改变。默认的是False,改为get_support(indices=True)就好了。
 

Main_阿闪
关注
专栏目录
cs224u sst_02_hand_built_features Wrapper for LogisticRegression
段智华的博客
05-11 363
cs224u sst_02_hand_built_features Wrapper for LogisticRegression 上一篇博客(https://duanzhihua.blog.csdn.net/article/details/105981617)我们讲解了BasicSGDClassifier ，它在SST上做得很好！但我们可能不想依赖BasicSGDClassifier ，相反，我们希望依靠sklearn。下面是一个简单的sklearn.linear.model.LogisticRegres
Logistic Regression(逻辑回归) +python3.6(pycharm)实现
清之我心的博客
03-31 5165
数学基础知识略过，可自行查询探究。遇到的bugs:1.AttributeError: module 'scipy' has no attribute '__version__'解决办法:installed packages: 'scipy' :左上角File-- settings--选择 Project Interpreter--点击右上角 绿色 加号--输出 scipy--左下角 Install...
逻辑回归中get_support（）方法出现问题
weixin_40721411的博客
12-26 5718
IndexError: boolean index did not match indexed array along dimension 0; dimension is 4 but corresponding boolean dimension is 3 解决方法：get_support（indices=False）indices是False，就返回一个类型是boolean的数组，如果indi...
机器学习特征选择-逻辑回归RandomizedLogisticRegression
yuxj的博客
10-07 3845
data = pd.read_excel(filename) x = data.iloc[:,:8].as_matrix() y = data.iloc[:,8].as_matrix() from sklearn.linear_model import LogisticRegression as LR from sklearn.linear_model import RandomizedLog...
解决RandomizedLogisticRegression包无法调用
zszxiaobai的博客
07-28 5430
运行语句 from sklearn.linear_model import RandomizedLogisticRegression 出现如下报错 ImportError: cannot import name ‘RandomizedLogisticRegression’ from ‘sklearn.linear_model’ (D:\dev\python\lib\site-packages\sklearn\linear_model_init_.py) 原因是sklearn(版本0.21.3)下，Rando
mask-rcnn报错： IndexError: boolean index did not match indexed array along dimension 0； ......
君临天下tjm的博客
02-14 3851
mask-rcnn在执行train.py训练模型时，报错如下： image_id 769 ERROR:root:Error processing image {'id': 769, 'source': 'shapes', 'path': 'train_data/pic/4A707SG3.jpg', 'width': 820, 'height': 706, 'mask_path': 'train_data/cv2_mask/4A707SG3.png', 'yaml_path': 'train_data..
python回归模型 变量筛选_随机逻辑回归random logistic regression-特征筛选
weixin_39630410的博客
12-06 1079
python金融风控评分卡模型和数据分析微专业课(博主亲自录制视频)：http://dwz.date/b9vv#author：231469242@qq.com#微信公众号：pythonEducationfrom sklearn.linear_model import LogisticRegression as LRfrom sklearn.linear_model import Randomize...
import pandas as pd from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression from sklearn.feature_selection import SelectKBest, f_classif from sklearn.decomposition import PCA from sklearn.metrics import accuracy_score, classification_report from sklearn.tree import DecisionTreeClassifier from sklearn.metrics import accuracy_score from sklearn.ensemble import RandomForestClassifier from sklearn.neighbors import KNeighborsClassifier from sklearn.naive_bayes import GaussianNB from sklearn.linear_model import LogisticRegression from sklearn.svm import SVC data = load_wine() # 导入数据集 X = pd.DataFrame(data.data, columns=data.feature_names) y = pd.Series(data.target) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) # 构建分类模型 model = LogisticRegression() model.fit(X_train, y_train) # 预测测试集结果 y_pred = model.predict(X_test) #评估模型性能 accuracy = accuracy_score(y_test, y_pred) report = classification_report(y_test, y_pred) print('准确率:', accuracy) # 特征选择 selector = SelectKBest(f_classif, k=6) X_new = selector.fit_transform(X, y) print('所选特征:', selector.get_support()) # 模型降维 pca = PCA(n_components=2) X_new = pca.fit_transform(X_new) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X_new, y, test_size=0.2, random_state=0) def Sf(model,X_train, X_test, y_train, y_test,modelname): mode = model() mode.fit(X_train, y_train) y_pred = mode.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print(modelname, accuracy) importance = mode.feature_importances_ print(importance) def Sf1(model,X_train, X_test, y_train, y_test,modelname): mode = model() mode.fit(X_train, y_train) y_pred = mode.predict(X_test) accuracy = accuracy_score(y_test, y_pred) print(modelname, accuracy) modelname='支持向量机' Sf1(SVC,X_train, X_test, y_train, y_test,modelname) modelname='逻辑回归' Sf1(LogisticRegression,X_train, X_test, y_train, y_test,modelname) modelname='高斯朴素贝叶斯算法训练分类器' Sf1(GaussianNB,X_train, X_test, y_train, y_test,modelname) modelname='K近邻分类' Sf1(KNeighborsClassifier,X_train, X_test, y_train, y_test,modelname) modelname='决策树分类' Sf(DecisionTreeClassifier,X_train, X_test, y_train, y_test,modelname) modelname='随机森林分类' Sf(RandomForestClassifier,X_train, X_test, y_train, y_test,modelname)加一个画图展示
最新发布
06-09
但是，你可以使用Python中的matplotlib库进行数据可视化。例如，你可以使用以下代码绘制特征重要性条形图： import matplotlib.pyplot as plt importance = mode.feature_importances_ features = list(X.columns...
sklearn之逻辑回归
weixin_45580742的博客
02-24 2462
逻辑回归的损失函数 无正则项 添加正则项 sklearn.linear_model.LogisticRegression (penalty=’l2’, dual=False, tol=0.0001, C=1.0,fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=’warn’...
LogisticRegression 参数详解
09-21
这个文件是对python sklearn库里面的Logistic Regression模型的参数解释。
IndexError: boolean index did not match indexed array along dimension 0； dimension is 82 but corresp
abinghui123的博客
05-04 1912
在训练maskrcnn时出现以上报错，通过一天的琢磨、debug、掉头发。才发现是标签数据的问题。 解决办法： 1、运行trian文件，程序一般会训练一个epoch才会停止，记录下出现问题的标签的id 2、将出现问题的标签重新标定 3、由于我的数据集是进行数据增强过的，所以我把有问题的标签重新进数据增强。（关于maskrcnn如何数据增强，请参考我往期博客） 附其他博文参考链接：mask-rcnn报错： IndexError: boolean index did not match indexed
YOLOP在不同数据集测试
weixin_64043217的博客
01-21 682
视觉
Mask-RCNN应用 - IndexError: boolean index did not match indexed array along dimension 0；dimension is 1
08-27 2662
该问题是由于标注文件的格式问题导致 解决方案见Mask-RCNN学习 - 数据增强基础准备 - labelme 标注24位深RGB标注图转换为8位深RGB标注图
sklearn特征选择 保留特征名称
Sartin的博客
04-29 4581
经过特征选择后，数据变成了array类型，并失去了特征名称，查询资料后没有找到直接保留特征名称的方法。但是有一个get_support函数，可以保留提取出来的特征索引。 于是就通过这个方法自己加几句代码，取出特征选择后的特征名称。 1.方差过滤 from sklearn.feature_selection import VarianceThreshold # 方差过滤 selector = Va...
《特征工程三部曲》之二：特征选择
叫我二当家的专栏
02-24 398
什么特征选择 特征选择 ( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS ) ，或属性选择( Attribute Selection ) ，是指从全部特征中选取一个特征子集，使构造出来的模型更好。 为什么要做特征选择 在机器学习的实际应用中，特征数量往往较多，其中可能存在不相关的特征，特征之间也可能存在相互依赖，容易导致如下的后果： 特征个数越多，分析特征、训练模型所需的时间就越长。 特征个数越多，容
Python机器学习库sklearn自动特征选择（训练集）
公众号：瑞行AI
11-19 1万+
1.单变量分析from sklearn.feature_selection import SelectPercentilefrom sklearn.datasets import load_breast_cancer from sklearn.feature_selection import SelectPercentile #http://scikit-learn.org/stable/modul
RandomizedLogisticRegression ImportError解决办法
热门推荐
michaelguangg的博客
08-23 1万+
语句 from sklearn.linear_model import RandomizedLogisticRegression 报错 ImportError: cannot import name 'RandomizedLogisticRegression' from 'sklearn.linear_model' (D:\Users\urse\Anaconda3\lib\site-pack...
from sklearn.linear_model import LogisticRegression
05-23
Logistic Regression is a statistical method used for binary classification problems (classifying data into two categories). It uses a logistic function to model the probability of a certain input belonging to a certain category. In Python, you can use the scikit-learn library to implement Logistic Regression using the `LogisticRegression` class from the `linear_model` module. Here's an example of how to use it: ``` from sklearn.linear_model import LogisticRegression from sklearn.datasets import load_iris # Load iris dataset iris = load_iris() # Create logistic regression object lr = LogisticRegression() # Fit the model to the data lr.fit(iris.data, iris.target) # Predict new data new_data = [[5.0, 3.6, 1.3, 0.25], [6.5, 3.0, 5.2, 2.0]] predictions = lr.predict(new_data) print(predictions) ``` In this example, we load the iris dataset and create a `LogisticRegression` object. We then fit the model to the data and predict the class of two new data points. The output should be an array with the predicted classes (0, 2) for the two new data points.
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值