Fonction de régression logistique utilisant Sklearn en Python

Question

J'ai un problème avec ma fonction de régression logistique, j'utilise l'IDE Pycharm et sklearn.linear_model paquet LogisticRegression .

Mon débogueur affiche AttributeError 'tuple' object has no attribute 'fit' and 'predict' .

Codebelow :

def logistic_regression(df, y):
x_train, x_test, y_train, y_test = train_test_split(
    df, y, test_size=0.25, random_state=0)

sc = StandardScaler()
x_train = sc.fit_transform(x_train)
x_test = sc.transform(x_test)

clf = LogisticRegression(random_state=0, solver='sag',
                         penalty='l2', max_iter=1000, multi_class='multinomial'),
clf.fit(x_train, y_train)
y_pred = clf.predict(x_test)

return classification_metrics.print_metrics(y_test, y_pred, 'Logistic regression')

Quelqu'un peut-il aider à repérer l'erreur ? Parce que pour les autres fonctions, j'ai essayé fit et predict semblent bien.

Answer 1

Il y a une petite erreur dans le code comme je l'ai mentionné dans le commentaire.

veuillez supprimer la virgule dans la création de l'objet du modèle de régression logistique.

Il n'existe pas non plus de fonction appelée classification_metrics.print_metrics

J'ai donc utilisé le metrics.classification_report

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn import metrics
def logistic_regression(df, y):
    x_train, x_test, y_train, y_test = train_test_split(df, y, test_size=0.25, random_state=0)

    sc = StandardScaler()
    x_train = sc.fit_transform(x_train)
    x_test = sc.transform(x_test)

    clf = LogisticRegression(random_state=0, solver='sag', penalty='l2', max_iter=1000, multi_class='multinomial')
    clf.fit(x_train, y_train)
    y_pred = clf.predict(x_test)

    return metrics.classification_report(y_test, y_pred)

appel de fonction

logistic_regression(df, y)