CATBOOST回归中的交叉验证: ValueError:分类度量不能处理二进制和连续目标的混合

Question

我有一个具有无空值的数据have，并且只有数值值(我已经完成了必要的转换)。

CATBOOST实施

from catboost import CatBoostRegressor
from sklearn.model_selection import cross_val_score
CatBoost_clf=CatBoostRegressor()
CatBoost_clf.fit(X, y)
print('Train Accuracy',cross_val_score(CatBoost_clf, X_train, y_train, 
    cv=3, scoring='accuracy'))
print('Test Accuracy',cross_val_score(CatBoost_clf, X_test, y_test, cv=3, 
    scoring='accuracy'))

错误

> ----> 5 print('Accuracy:',cross_val_score(CatBoost_clf, X, y, cv=3, scoring='accuracy'))

> ValueError: Classification metrics can't handle a mix of binary and continuous targets

如何计算CATBOOST上的交叉验证精度(cv=3或验证集的三次迭代)？(输出y的值为0和1)

Answer 1

您应该使用的是CatBoostClassifier。

您正在使用CatBoostRegressor，它的目的是根据连续值(例如，0.43823)将错误最小化。分类器，例如CatBoostClassifier，接受分类输入值(例如，0或1)，这就是您所拥有的。在您的示例中，y是：

0    1
1    0
2    0
3    0
4    0
5    0
6    1

绝对是绝对的，而不是连续的。