Сводная функция библиотеки регрессоров Python возвращает ValueError для логистической регрессии
Я использую набор данных Python Inbulit Boston из sklearn с CHAS в качестве целевой переменной.
Я построил модель логистической регрессии из sklearn pkg. Я использую библиотеку регрессоров, чтобы получить сводную статистику выходных данных модели, но я столкнулся со следующей ошибкой. пожалуйста, помогите мне в этом и, пожалуйста, дайте мне знать, если вам нужна дополнительная информация
узнать больше о библиотеке регрессоров можно по ссылке ниже: [1]: https://regressors.readthedocs.io/en/latest/usage.html
Пожалуйста, найдите код Python ниже, который я использовал для построения модели:
import numpy as np
from sklearn import datasets
import pandas as pd
bostonn = datasets.load_boston()
boston = pd.DataFrame(bostonn.data , columns= bostonn['feature_names'])
print(boston.head())
X = boston.drop('CHAS' , axis =1)
y = boston.CHAS.astype('category')
from sklearn.linear_model import LogisticRegression
from regressors import stats
log_mod=LogisticRegression(random_state=123)
model=log_mod.fit(X,y)
stats.summary(model, X, y , xlabels=None)
Я получаю следующую ошибку:
ValueErrorTraceback (most recent call last)
in ()
1 #xlabels = boston.feature_names[which_betas]
----> 2 stats.summary(model, X, y ,xlabels=None)
251 )
252 coef_df['Estimate'] = np.concatenate(
--> 253 (np.round(np.array([clf.intercept_]), 6), np.round((clf.coef_), 6)))
254 coef_df['Std. Error'] = np.round(coef_se(clf, X, y), 6)
255 coef_df['t value'] = np.round(coef_tval(clf, X, y), 4)
ValueError: all the input array dimensions except for the concatenation axis must match exactly
ValueError: все размеры входного массива, кроме оси конкатенации, должны точно совпадать
Существуют и другие сообщения с похожей ошибкой, но это решение не помогло моей проблеме. Прикрепленная выше ссылка содержит информацию о том, как на самом деле работает функция сводки. Пожалуйста, дайте мне знать, если вам нужна дополнительная информация.