如何使用多项逻辑回归解决多标签分类问题？

我必须根据其他属性来预测学生所在的课程类型。

prog是一个分类变量，指示学生所在课程的类型：“普通”(1)、“学术”(2) 或“职业”(3)

Ses是一个分类变量，表示某人的社会经济阶层：“低”(1)、“中”(2) 和“高”(3)

read, write, math, science是他们在不同测试中的分数

honors无论他们是否已入学

图像格式的 csv 文件;

import pandas as pd;
import numpy as np;
df1=pd.get_dummies(df,drop_first=True);
X=df1.drop(columns=['prog_general','prog_vocation'],axis=1);
y=df1.loc[:,['prog_general','prog_vocation']];
from sklearn.model_selection import train_test_split;
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.30, random_state=42);
from sklearn.linear_model import LogisticRegression;
from sklearn.metrics import classification_report;
clf=LogisticRegression(multi_class='multinomial',solver='newton-cg');
model=clf.fit(X_train,y_train)

但在这里我收到以下错误：

ValueError：输入形状错误 (140, 2)。

像这样，LogisticRegression不处理多个目标。但 Sklearn 中的所有模型并非如此。例如，所有基于树的模型（DecisionTreeClassifier）可以本地处理多输出。

为了使这项工作适用于LogisticRegression， 你需要一个MultiOutputClassifier包装纸。

Example:

import numpy as np
from sklearn.datasets import make_multilabel_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

X, y = make_multilabel_classification(n_classes=3, random_state=0)
clf = MultiOutputClassifier(estimator= LogisticRegression()).fit(X, y)
clf.predict(X[-2:])