我在Python中使用Scikit-learn实现一个多项式逻辑回归模型。这是我的代码：

X = pd.concat([each for each in feature_cols], axis=1)y = train[["<5", "5-6", "6-7", "7-8", "8-9", "9-10"]]lm = LogisticRegression(multi_class='multinomial', solver='lbfgs')lm.fit(X, y)

然而，当执行最后一行代码时，我得到了ValueError: bad input shape (50184, 6)的错误。

X是一个包含50184行、7列的DataFrame。y也有50184行，但有6列。

我最终希望预测结果落在哪个区间（<5, 5-6等）。在这种情况下，所有使用的自变量和因变量都是二进制值为0或1的虚拟列。我遗漏了什么？

回答：

Logistic Regression 3-class Classifier的例子展示了如何拟合LogisticRegression使用向量而不是矩阵输入，在这种情况下是iris数据集的target变量，编码为值[0, 1, 2]。

要将虚拟矩阵转换为序列，你可以将每一列乘以不同的整数，然后 – 假设它是一个pandas.DataFrame – 只需在结果上调用.sum(axis=1)。像这样：

for i, col in enumerate(y.columns.tolist(), 1):    y.loc[:, col] *= iy = y.sum(axis=1)