python - 如何将这些数据转换为逻辑回归？

Question

我有“y”和“X”数据:

y = [1, 0, 0, 0, 0, 0, 0, 0 ...] 适合我的目的

和

X = [['reg' '03b' '03e' 'buy']
 ['reg' '03b' '04e' 'sell']
 ['pref' '02b' '03e' 'sell']
 ['cur' '03b' '03e' 'buy']
 ['val' '03b' '03e' 'buy']
 ['reg' '03b' '03e' 'buy'] ...]

X[0] 可能采用的值:'reg'/'pref'/'cur'/'val'

X[1] :末尾带有 mounth + b( = begin) 数量的字符串

X[2] :末尾带有 mounth + e( = end) 数量的字符串

X[3]:“买入”或“卖出”

但是我做不到

logreg = LogisticRegression()
logreg.fit(X,y)

因为我对 X 的结构有疑问(它是带有字符串的列表)

我想修复它并执行以下操作:

logreg = preprocessing.LabelEncoder()
i=0
while i<len(X):
    logreg.fit(X[i])
    b[i]=logreg.transform(X[i])
    i=i+1

但我明白了:

[3 0 1 2]
[3 0 1 2]
[3 0 1 2]
[3 0 1 2]
[3 0 1 2]
[3 0 1 2]
...
[3 0 1 2]

所有元素都是相同的。如何正确地将数据转换为 .fit(X,y)？

Answer 1

问题在于您弄错了 X 中的行和列。

import numpy as np
from sklearn import preprocessing
X = [['reg', '03b', '03e', 'buy'],
    ['reg', '03b', '04e', 'sell'],
    ['pref', '02b', '03e', 'sell'],
    ['cur', '03b', '03e', 'buy'],
    ['val', '03b', '03e', 'buy'],
    ['reg', '03b', '03e', 'buy']]
X = np.array(X)
b = np.zeros(X.shape)
logreg = preprocessing.LabelEncoder()
i = 0
while i < X.shape[1]:
    logreg.fit(X[:,i])
    b[:,i] = logreg.transform(X[:,i])
    i += 1
b
array([[2., 1., 0., 0.],
       [2., 1., 1., 1.],
       [1., 0., 0., 1.],
       [0., 1., 0., 0.],
       [3., 1., 0., 0.],
       [2., 1., 0., 0.]])