我有一个测试数据集和训练数据集,如下所示.我提供了带有最小记录的样本数据,但我的数据超过了1000条记录.这里E是我需要使用算法预测的目标变量.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.
培训数据集：
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,我想用多项Logistic回归(1 vs Rest Logic)预测这个.我正在尝试使用python实现它.
我知道在变量中设置这些目标所需的逻辑,并使用算法来预测这些值中的任何一个：
output = [1,4]
但我仍然坚持如何使用python(sklearn)来循环使用这些值以及我应该使用什么算法来预测输出值？任何帮助将不胜感激
解决方法
LogisticRegression可以处理多个开箱即用的类.
X = df[['A','B','C','D']] y = df['E'] lr = LogisticRegression() lr.fit(X,y) preds = lr.predict(X) # will output array with integer values.