Python ValueError:未知的标签类型：'continuous‘

Question

我是这里的初学者，我正在用我的生命去理解flow帖子上的另一个堆栈，它有和我一样的问题。Logistic Regression:Unknown label type: 'continuous'

下面是我的机器学习代码，shell的输出是ValueError:未知标签类型：'continuous‘

我想我明白我是在“将浮点数传递给一个分类器，该分类器期望分类器将分类值作为目标向量。如果你将它转换为整数，它将被接受为输入(尽管这是否是正确的方法将受到质疑)。最好使用scikit的labelEncoder函数来转换你的训练分数”。

有人能给我一个关于如何将scikit的labelEncoder函数整合到我的代码中的提示吗？这是在声明分类器X& y之前实现的吗？无论我在做什么，我都做错了什么。谢谢

import numpy as np
from sklearn import preprocessing, cross_validation, neighbors, utils
import pandas as pd

df = pd.read_csv('C:\\Users\\bbartling\\Documents\\Python\\WB             
Data\\WB_RTU6data.csv', index_col='Date', parse_dates=True)

print(df.head())
print(df.tail())
print(df.shape)
print(df.columns)
print(df.info())
print(df.describe())


X = np.array(df.drop(['VAV6znt'],1))
df.dropna(inplace=True)

y = np.array(df['VAV6znt'])


accuracies = []

X_train, X_test, y_train, y_test =             
cross_validation.train_test_split(X,y,test_size=0.50)

clf = neighbors.KNeighborsClassifier(n_neighbors=50)
clf.fit(X_train, y_train)
accuracy = clf.score(X_test, y_test)

print(accuracy)

​

​

Answer 1

因为您的VAV6znt列是一个浮点型的，这意味着您正在尝试从数据中估计一个数值。这使得它成为一个回归问题，而您使用的是KNeighborsClassifier，这是一个分类估计器。

尝试使用KNeighborsRegressor或任何其他名称中包含Regressor的估计器。

像上面那样将它们转换为int是可行的，但不会得到好的结果，因为这意味着您的数据中有那么多类，因为它们是唯一的int，这显然是错误的。