TypeError：“int”类型的对象没有 len()、LogisticRegression()

数据挖掘 分类 逻辑回归
2022-03-11 01:07:52

我正在尝试拟合我的逻辑回归模型，但我遇到了一个我不理解的错误。环顾四周，并没有找到一个直接的答案。

独立特征的形状 (X)：(495,30)

从属特征的形状 (y): (495,)

依赖特征保存二进制值 (0,1)，并且这些值当前是“int”类型。这可能是问题发生的地方，但我不明白我需要做什么来解决这个问题。

这是我尝试拟合 sklearn LogisticRegression() 时遇到的错误：

c_param = [1,10,100,1000]

rand_grid = {'kbest__k':list(range(5,10)),
            'log__C':c_param,
            'log__random_state':42}

log_rand = RandomizedSearchCV(pipe_opt('log',LogisticRegression()),rand_grid,n_iter=100,cv=3,
                              random_state=42,n_jobs=-1)
log_rand.fit(X_train,y_train)

在此处输入图像描述

1个回答

RandomizedSearchCV期望您提供要尝试的参数值字典，例如上面的代码：

rand_grid = {'log__C':[1,10,100,1000],
             'log__random_state':42} # values should be in []

由于这个想法是搜索提供最佳性能的值，因此您需要提供几个值，作为values 列表。尽管在您的情况下您只提供了一个值，但只要将其写为 list (inside []) 就不会引发错误。

但是，如果您只有一个要搜索的值，那就有点奇怪了。所以最好在初始化估计器时修复这些值（即 LogisticRegression()）。例如：

# you want to see which values perform best for params C and max_iter.
rand_grid = {'log__C':[1,10,100,1000]
             'log__max_iter': [100,200,300]}  

# you have fix value for params random_state, penalty and fit_intercept
logReg = LogisticRegression(random_state=42, penalty='l1', fit_intercept=False)

log_rand = RandomizedSearchCV(pipe_opt('log',logReg),
                              rand_grid,n_iter=100,cv=3,
                              random_state=42,n_jobs=-1)
其它你可能感兴趣的问题
上一篇神经网络中的最小神经元 下一篇捕捉运动重要性 - 逻辑回归输出