kaggle逻辑回归输出数字转字符

Question

kaggle提交格式 逻辑回归

用LabelEncoder把标签数字化后，用LogisticRegression逻辑回归预测了test数据，但是predict的结果仍然是数字，需要提交的表格是每项的类别名称。不知道怎么改了，刚刚入门python和kaggle，求帮助！

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题解答： 首先需要解决的问题是将数字标签转化为类别名称。可以使用LabelEncoder的inverse_transform方法实现。 具体步骤如下：

1. 导入LabelEncoder和LogisticRegression：

from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LogisticRegression

1. 对训练集的标签进行数字化处理：

le = LabelEncoder()
y_train = le.fit_transform(y_train)

1. 训练逻辑回归模型并预测测试集结果：

clf = LogisticRegression()
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

1. 将数字标签转换为类别名称：

y_pred = le.inverse_transform(y_pred)

1. 构造提交表格并上传至kaggle进行测试。 下面是一个例子：

import pandas as pd
from sklearn.preprocessing import LabelEncoder
from sklearn.linear_model import LogisticRegression
# 加载数据
train_data = pd.read_csv('train.csv')
test_data = pd.read_csv('test.csv')
# 处理数据
X_train = train_data.drop(['id', 'target'], axis=1)
y_train = train_data['target']
X_test = test_data.drop('id', axis=1)
# 标签数字化
le = LabelEncoder()
y_train = le.fit_transform(y_train)
# 训练模型
clf = LogisticRegression()
clf.fit(X_train, y_train)
# 预测结果
y_pred = clf.predict(X_test)
# 数字标签转为类别名称
y_pred = le.inverse_transform(y_pred)
# 构造提交表格
submission = pd.DataFrame({'id': test_data['id'], 'target': y_pred})
# 上传至kaggle测试
submission.to_csv('submission.csv', index=False)