我尝试训练和测试几个scikit-learn模型，并试图打印出准确度。只有其中一些模型能正常工作，其他模型会失败并显示以下错误：

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

这个错误是什么意思？我该如何修改下面的代码以成功评估失败的模型？

...

这是脚本的输出：

...

这是labelsTrain变量：

...

错误发生在cross_val_score函数期间：

...

回答：

您注释掉的所有模型都不是分类器，而是回归模型，对于回归模型来说，准确度是没有意义的。

您会得到这个错误，因为这些回归模型不产生二元结果，而是连续（浮点数）值（正如所有回归模型所做的那样）；因此，当scikit-learn尝试通过比较一个二元数（真实标签）与一个浮点数（预测值）来计算准确度时，它会不出意外地给出错误。而错误信息本身就清楚地暗示了这一原因：

Classification metrics can't handle a mix of binary and continuous target