python - 优达学城 : Assignment 3: ValueError: bad input shape (1000, 10)

Question

我正在研究Assignment 3: Regularization 。看过之后Github ，我尝试自己解决作业，但出现运行时错误。请注意，我选择了比链接更小的数据集。

情况是这样的:

print('Training set', train_dataset.shape, train_labels.shape)
print('Validation set', valid_dataset.shape, valid_labels.shape)
print('Test set', test_dataset.shape, test_labels.shape)
#Training set (20000, 784) (20000, 10)
#Validation set (1000, 784) (1000, 10)
#Test set (1000, 784) (1000, 10)

问题是这样的:

from sklearn.linear_model import LogisticRegression

original_train_labels = train_labels

logit_clf = LogisticRegression(penalty='l2')
logit_clf.fit(train_dataset[:1000,:], original_train_labels[:1000])

运行时，给出:

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-12-4888dc0bbc75> in <module>()
      4 
      5 logit_clf = LogisticRegression(penalty='l2')
----> 6 logit_clf.fit(train_dataset[:1000,:], original_train_labels[:1000])
      7 predicted = logit_clf.predict(test_dataset)
      8 print('accuracy', accuracy((np.arange(num_labels) == predicted[:,None]).astype(np.float32), test_labels), '%')

/usr/local/lib/python2.7/dist-packages/sklearn/linear_model/logistic.pyc in fit(self, X, y, sample_weight)
   1140 
   1141         X, y = check_X_y(X, y, accept_sparse='csr', dtype=np.float64, 
-> 1142                          order="C")
   1143         check_classification_targets(y)
   1144         self.classes_ = np.unique(y)

/usr/local/lib/python2.7/dist-packages/sklearn/utils/validation.pyc in check_X_y(X, y, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, multi_output, ensure_min_samples, ensure_min_features, y_numeric, warn_on_dtype, estimator)
    513                         dtype=None)
    514     else:
--> 515         y = column_or_1d(y, warn=True)
    516         _assert_all_finite(y)
    517     if y_numeric and y.dtype.kind == 'O':

/usr/local/lib/python2.7/dist-packages/sklearn/utils/validation.pyc in column_or_1d(y, warn)
    549         return np.ravel(y)
    550 
--> 551     raise ValueError("bad input shape {0}".format(shape))
    552 
    553 

ValueError: bad input shape (1000, 10)

知道如何解决这个问题吗？

Answer 1

您对 train_labels 使用 one-hot 编码。这意味着它的形状类似于 [1000. 10]，1000 个样本，每个样本有 10 个“列”，其中 1 表示我们正在讨论哪个类。它是神经网络所必需的，但来自 sklearn 的逻辑回归 requires它的形状为 [1000, 1]，这意味着它应该只是一个 1000 行的向量，并且在每一行中应该有一个表示目标类的 int 。使用 argmax 函数将 one-hot 编码转换为整数，您应该已准备就绪。