Python Logistic回归中scikit学习中的巨大而奇怪的错误？

Question

以下操作涉及Python scikit-learn中的Logistic回归

我给您最重要的代码示例：

predictions = logistic_regression.predict(X_test)
prediction=logistic_regression.predict_proba(X_test)[:,:]
prediction=pd.DataFrame(data=predictions, 
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])
prediction.head(10)

并且昨天我得到的这段代码的结果符合我的期望：（不是相同的表标题，而是相同的结果）

enter image description here

但是今天，我绝对不知道为什么，当我想再次运行此代码时，出现错误：

ValueError: Shape of passed values is (300, 1), indices imply (300, 2)

昨天有可能工作，而今天没有工作？我能做什么 ？屏幕下方显示完整错误：

enter image description here

预测样本是这样的：

print(predictions)

[1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 1 1 1 0 11 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 10 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 01 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 11 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11 1 1 1]

并且我不想在表中有1或0，而我希望屏幕的示例中的概率为1或0

Answer 1

我认为发生错误是因为预测只有一列，并且您有两个列名称：

prediction=pd.DataFrame(data=predictions, 
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])

也许您可以尝试：

prediction=pd.DataFrame(data=np.transpose(np.hstack((predictions, 1-predictions))),  
                         columns=['Prob of Bad credit (0)','Prob of Good credit (1)'])