我有一个测试数据集和训练数据集如下。我提供了包含最少记录的样本数据，但我的数据有超过 1000 条记录。这里 E 是我的目标变量，我需要使用算法对其进行预测。它只有四个类别，如 1、2、3、4。它只能采用这些值中的任何一个。
训练数据集:
A B C D E
1 20 30 1 1
2 22 12 33 2
3 45 65 77 3
12 43 55 65 4
11 25 30 1 1
22 23 19 31 2
31 41 11 70 3
1 48 23 60 4
测试数据集:
A B C D E
11 21 12 11
1 2 3 4
5 6 7 8
99 87 65 34
11 21 24 12
由于 E 只有 4 个类别，我想到使用多项逻辑回归(1 与 Rest 逻辑)进行预测。我正在尝试使用 python 来实现它。
我知道我们需要在变量中设置这些目标并使用算法来预测这些值中的任何一个的逻辑:
output = [1,2,3,4]
但我在如何使用 python (sklearn) 来循环遍历这些值以及我应该使用什么算法来预测输出值上遇到了困难？任何帮助将不胜感激
最佳答案
你可以试试
LogisticRegression(multi_class='multinomial',solver ='newton-cg').fit(X_train,y_train)
关于 python : How to use Multinomial Logistic Regression using SKlearn，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36760000/