所以我知道这个问题已被问及回答(在某种程度上已经) here和here。 但问题是,当我尝试一堆不同的模型(NB,KNN,LR,SVM和其他)时,它们都返回关于y的标签类型的错误。 我的数据集很像第二个链接分裂,但我得到一个“未知的标签类型:(阵列[......与我的标签...”与NB, 或者我得到一个错误的数据类型:“ 。连续”与所有其他模型,包括在第二环节中的示例中使用的 很抱歉的缺乏细节,下面的代码:未知标签类型sklearn与nd阵列与波士顿数据集
from sklearn import datasets
boston = datasets.load_boston()
columns = np.append(boston['feature_names'],'target')
boston = pd.DataFrame(data = np.c_[boston['data'], boston['target']],
columns = columns)
data = boston[['INDUS', 'LSTAT', 'PTRATIO', 'TAX', 'CRIM', 'AGE']]
X = data.values
y = datasets.load_boston().target
print(X)
print(y)
from sklearn.linear_model import LinearRegression
Reg = LinearRegression()
models = []
models.append(Reg)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
for model in models:
kFold = KFold(n_splits=10, random_state=7)
results = cross_val_score(model, X_train, y_train, cv = kFold, scoring =
'accuracy')
print(results.mean(),results.std())
--->ValueError: continuous is not supported
此外,目前你的问题质量很低,不清楚。您应该通过添加数据示例,尝试的代码和完整的错误跟踪来改进它。请参阅[如何提出一个好问题](https://stackoverflow.com/help/how-to-ask)和[最小可重现示例](https://stackoverflow.com/help/mcve) –
我看到你正在使用波士顿数据集。这是一个回归问题,所以只有以“... Regressor”结尾的scikit中的估计器才适用于这种情况(留下一些例外,如Lasso,Ridge,ElasticNet等)。除了谈论NB之外, KNN,LR等等。所有这些都是分类器,因此不适用于波士顿数据。因此错误。 –
对不起,我添加了代码 – DataBrown