GridSearchCV 和 LogisticRegression 引发 ValueError: 无法处理连续和二元的混合

我在尝试使用 LogisticRegression 运行网格搜索时,遇到了以下错误:

ValueError: Can't handle mix of continuous and binary

我追踪到这个错误来自于 metrics.accuracy_score。显然预测效果不佳,尽管 y_true 是连续的(数据的其余部分也是如此),但 y_pred 全部为零,因此被归类为二元数据。

  • 有什么方法可以避免这个错误吗?
  • y_pred 的性质是否意味着我根本不应该使用逻辑回归,或者这可能是所用参数的结果?

谢谢


回答:

令人困惑的是,逻辑回归实际上是一种分类算法(参见 http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression)。因此,您提供给它的目标数据(”y_true”)应该是二元的。如果您实际上是在尝试解决回归问题,您应该选择其他算法,例如 LinearRegression、SVR、RandomForestRegressor 等。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注