Scikit-learn逻辑回归训练报错：y应为一维数组，获(56000,10)形状数组

代码片段 #

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LogisticRegression
logistic_regression = LogisticRegression(random_state = 10)
logistic_regression.fit(X_train, y_train)
y_pred_logistic_regression = logistic_regression.predict(X_test)
print(y_pred_logistic_regression.shape)

报错信息 #

ValueError: y should be a 1d array, got an array of shape (56000, 10) instead

使用Scikit-learn的LogisticRegression训练模型时触发上述错误，传入的y_train形状为(56000,10)，需解决该问题。

你的y_train是one-hot编码格式的标签（10列对应10个类别），但Scikit-learn的LogisticRegression要求目标变量y是一维的类别索引数组（比如每个样本对应0-9的整数标签），可通过以下方式处理：

• 方法一：将one-hot标签转换为类别索引
  用numpy的argmax函数提取每一行最大值的索引，该索引即为对应类别：

  # 转换训练集标签
  y_train = np.argmax(y_train, axis=1)
  # 若测试集标签也是one-hot格式，同步转换
  y_test = np.argmax(y_test, axis=1)
  
  # 重新训练模型
  logistic_regression = LogisticRegression(random_state=10)
  logistic_regression.fit(X_train, y_train)
  

• 方法二：通过标签逆转换适配模型
  若坚持使用one-hot标签，可借助LabelBinarizer逆转换为类别索引，同时指定多分类模式：

  from sklearn.preprocessing import LabelBinarizer
  
  lb = LabelBinarizer()
  y_train = lb.inverse_transform(y_train)
  y_test = lb.inverse_transform(y_test)
  
  logistic_regression = LogisticRegression(random_state=10, multi_class="multinomial")
  logistic_regression.fit(X_train, y_train)
  

补充说明 #

• LogisticRegression默认multi_class="auto"会根据标签自动判断，但仅支持一维标签，one-hot格式必须手动转换为类别索引，否则会触发维度错误。
• 若为多分类任务，转换为类别索引后，模型默认采用OvR（一对多）策略，设置multi_class="multinomial"则会使用Softmax回归。

内容的提问来源于stack exchange，提问作者Shyrush Shrestha