我在训练集和测试集上拟合了一个LogisticRegression模型，并获得了约80%的准确率

然后我想在测试集上进行预测，根据每个student_id是否answered_correctly给出评分（如果回答正确为1，如果回答错误为0）。

我做了以下操作：

features_X = X.columns # 获取X的列名 # X_test是之前train_test_split步骤中创建的数组test_df = pd.DataFrame(columns=features_X, data=X_test)predictions = grid_logit.predict(test_df[features_X])# 创建一个包含预测结果的DataFramesubmission = pd.DataFrame({'Id':test_df['student_id'],'Answered_correctly':predictions})# 查看前5行submission.head()Id           Answered_correctly12992348        07268428         09497321         1 588792          15045118         1

如您所见，它将每个用户分类为0或1之间。

但我想要的是这样的结果：

Id            Answered_correctly12992348            0.327268428             0.529497321             0.65

answered_correctly_值对应于属于类别1的概率。

注意：使用predict_proba函数会返回一个错误：

Exception: Data must be 1-dimensional

编辑：我将predict替换为predict_proba(test_df[[features_X]])，但它返回了一个错误：None of [[ features_X cols]] are in the [columns]

回答：

predict_proba返回每个类别的概率估计值。由于您有两个类别（0和1），它将返回形状为(n_samples, 2)的数组。

错误消息来自pandas数据框，因为它要求您只传递一维数据。如上所述，predictions是一个二维输出。

只需将类别1的概率估计值（predictions[:, 1]）传递给数据框构造函数，它应该能正常工作：

submission = pd.DataFrame({'Id': test_df['student_id'], 'Answered_correctly': predictions[:, 1]})

附加说明：

如果test_df包含features_X给出的所有列，您无需传递test_df[features_X]，因为test_df应该足够了：

predictions = grid_logit.predict_proba(test_df)