我有一个数据框，其中没有空值，且仅包含数值（我已经做了必要的转换）

CATBOOST实现

from catboost import CatBoostRegressorfrom sklearn.model_selection import cross_val_scoreCatBoost_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: 分类指标无法处理二元和连续目标的混合

如何在CATBOOST上计算交叉验证准确率（cv=3或3次验证集迭代）？（输出y的值为0和1）

回答：

你应该使用的是CatBoostClassifier。

你正在使用CatBoostRegressor，它是设计用于基于连续值（例如，0.43823）最小化误差的。一个分类器，例如CatBoostClassifier，接受分类输入值（例如，0或1），这正是你所拥有的。在你的例子中，y是：

0    11    02    03    04    05    06    1

这显然是分类数据，而不是连续数据。