我在测试以下代码：

df1 = df[['Group', 'Sector', 'Cat2', 'Cat3', 'Cat4', 'Cat5', 'Cat6', 'Industry', 'Market', 'Price']].copy()df1 = df1[:100000]df1.shapedf1 = df1.fillna(0)df1 = pd.get_dummies(df1)X = df1.drop(['Price'], axis=1)y = df1['Price']from sklearn.model_selection import train_test_split# 将数据集分成训练集和测试集X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3) # 70% 用于训练，30% 用于测试# 导入随机森林模型from sklearn.ensemble import RandomForestClassifier# 创建包含100棵树的模型model = RandomForestClassifier(n_estimators=100,                                bootstrap = True,                               max_features = 'sqrt')# 在训练数据上拟合模型model.fit(X_train, y_train)

我在这一行遇到错误：model.fit(X_train, y_train)

我的错误信息是：ValueError: Unknown label type: 'continuous'

我的设置如下：我在’df’中有许多字段，我复制了一些到’df1’。这些都是分类数据：'Group', 'Sector', 'Cat2', 'Cat3', 'Cat4', 'Cat5', 'Cat6', 'Industry', 'Market'

这个是数值数据：'Price'

我使用独热编码将分类项目转换为数值项目，而数值（Price）保持不变。这种设置是否有问题，还是可以的？

回答：

您在使用分类器来预测连续的价格。当提到标签时，sklearn指的是目标，所以问题不在于您的X，而是y。您需要的是sklearn.ensemble.RandomForestRegressor。使用这个，您将能够预测连续值，比如price。

请改用以下代码：

from sklearn.ensemble import RandomForestRegressormodel = RandomForestRegressor(n_estimators=100,                                bootstrap = True,                               max_features = 'sqrt')# model.fit(X, y...