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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注