Как принять numpy массив в качестве входа в регрессии logisti c?

Question

В настоящее время я работаю над системой рекомендаций по видео, которая будет предсказывать видео в форме 0 (отрицательный) и 1 (положительный). Я успешно очищаю набор данных с YouTube, а также нахожу чувства комментариев YouTube в виде 0 (отрицательный) и 1 (положительный). Я кодирую текстовые данные моего CSV, используя один горячий кодировщик, и получаю вывод в виде массива numpy , Теперь у меня вопрос, как дать массив numpy в качестве входа (X) в регрессии logisti c? Ниже приведены мой код, выходные данные и CSV (1874 X 2).

Целевая переменная Comments_Sentiments

#OneHotEncoding
import numpy as np
import pandas as pd
from sklearn import preprocessing

X = pd.read_csv("C:/Users/Shahnawaz Irfan/Desktop/USIrancrisis/demo.csv")
#X.head(5)

X = X.select_dtypes(include=[object])
#X.head(5)

#X.shape

#X.columns

le = preprocessing.LabelEncoder()

X_2 = X.apply(le.fit_transform)
X_2.head()

enc = preprocessing.OneHotEncoder()
enc.fit(X_2)

onehotlabels = enc.transform(X_2).toarray()
onehotlabels.shape

onehotlabels

Вывод:

array([[1.],
   [1.],
   [1.],
   ...,
   [1.],
   [1.],
   [1.]])

Может ли кто-нибудь разрешить этот запрос, взяв этот массив numpy в качестве входа в logisti c регрессия?

Answer 1

Вы можете использовать обратную функцию enc.inverse_transform([[0, 1, 1, 0, 0], [0, 0, 0, 1, 0]]) enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])