在Windows上使用Python 2.7。想要为一个分类问题使用特征T1和T2来拟合逻辑回归模型，目标是T3。

我展示了T1和T2的值，以及我的代码。问题是，由于T1的维度是5，而T2的维度是1，我们应该如何预处理它们，以便scikit-learn的逻辑回归训练能够正确利用它们？

顺便说一下，我的意思是，对于训练样本1，其T1特征是[ 0 -1 -2 -3]，T2特征是[0]，对于训练样本2，其T1特征是[ 1 0 -1 -2]，T2特征是[1]，…

import numpy as npfrom sklearn import linear_model, datasetsarc = lambda r,c: r-cT1 = np.array([[arc(r,c) for c in xrange(4)] for r in xrange(5)])print T1print type(T1)T2 = np.array([[arc(r,c) for c in xrange(1)] for r in xrange(5)])print T2print type(T2)T3 = np.array([0,0,1,1,1])logreg = linear_model.LogisticRegression(C=1e5)# we create an instance of Neighbours Classifier and fit the data.# using T1 and T2 as features, and T3 as targetlogreg.fit(T1+T2, T3)

T1,

[[ 0 -1 -2 -3] [ 1  0 -1 -2] [ 2  1  0 -1] [ 3  2  1  0] [ 4  3  2  1]]

T2,

[[0] [1] [2] [3] [4]]

回答：

需要使用numpy.concatenate来拼接特征数据矩阵。