问题背景

用python的sklearn库做逻辑回归模型训练后，用一些数值去预测结果时报错，已知是多项式的逻辑回归模型

用的是二阶的边界函数画出来的抛物线

• 代码如下
  
  pay1和pay2是用来预测y结果的，函数中的关键θ（用于计算x2）也提取出来了

#边界函数参数获取
theta0 = LR2.intercept_
theta1,theta2,theta3,theta4,theta5 = LR2.coef_[0][0],LR2.coef_[0][1],LR2.coef_[0][2],LR2.coef_[0][3],LR2.coef_[0][4]
print(theta0,theta1,theta2,theta3,theta4,theta5)

参照该图需要输出新的x2

a = theta4
b = theta5*X1_new + theta2
c = theta0+theta1*X1_new+theta3*X1_new*X1_new
x2_new_2 = (-b+np.sqrt(b*b-4*a*c))/(2*a)
print(x2_new_2)

在预测时出错了

# 预测
x_test = np.array([[80,20]])

# 第二个模型预测
y_predict = LR2.predict(x_test)
print(y_predict)

ValueError: X has 2 features, but LogisticRegression is expecting 5 features as input.

问题解决

原因是使用二阶函数计算时，其实需要放入的不仅仅是pay1和pay2这两个数这么简单了，除了x1和x2，还要输入x1x1、x2x2、x1*x2这5个数才可以

# 预测
x_test = np.array([[80,20,80*80,20*20,80*20]])

# 第二个模型预测
y_predict = LR2.predict(x_test)
print(y_predict)

输出成功