在逻辑回归中训练模型时可以使用概率标签吗？答案

【问题标题】：Can I use probabilistic label when train model in logistic regression?在逻辑回归中训练模型时可以使用概率标签吗？
【发布时间】：2019-12-21 04:36:19
【问题描述】：

我使用sklearn.linear_model.LogisticRegression 并且想在训练模型时使用概率标签。

但是当我尝试使用带有概率标签的训练数据来训练逻辑回归模型时，我得到了错误。

有没有办法使用概率标签来训练逻辑回归模型？

import numpy as np
from sklearn.linear_model import LogisticRegression

x = np.array([1966, 1967, 1968, 1969, 1970,
              1971, 1972, 1973, 1974, 1975,
              1976, 1977, 1978, 1979, 1980,
              1981, 1982, 1983, 1984]).reshape(-1, 1)

y = np.array([0.003, 0.016, 0.054, 0.139, 0.263,
              0.423, 0.611, 0.758, 0.859, 0.903,
              0.937, 0.954, 0.978, 0.978, 0.982,
              0.985, 0.989, 0.988, 0.992])

lr = LogisticRegression()
lr.fit(x, y)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-26-6f0a54f18841> in <module>()
     13 
     14 lr = LogisticRegression()
---> 15 lr.fit(x, y)  # => ValueError: Unknown label type: 'continuous'

/home/sudot/anaconda3/lib/python3.6/site-packages/sklearn/linear_model/logistic.py in fit(self, X, y, sample_weight)
   1172         X, y = check_X_y(X, y, accept_sparse='csr', dtype=np.float64,
   1173                          order="C")
-> 1174         check_classification_targets(y)
   1175         self.classes_ = np.unique(y)
   1176         n_samples, n_features = X.shape

/home/sudot/anaconda3/lib/python3.6/site-packages/sklearn/utils/multiclass.py in check_classification_targets(y)
    170     if y_type not in ['binary', 'multiclass', 'multiclass-multioutput',
    171             'multilabel-indicator', 'multilabel-sequences']:
--> 172         raise ValueError("Unknown label type: %r" % y_type)
    173 
    174 

ValueError: Unknown label type: 'continuous'

【问题讨论】：

标签： python-3.x scikit-learn logistic-regression

【解决方案1】：

逻辑回归是一种二元分类模型。您不能将非分类值作为目标传递。

在拟合之前对 y 的值进行四舍五入。

y = y.round(0)  # Add this line

lr = LogisticRegression()
lr.fit(x, y)

【讨论】：