所以，我的数据中有128个面部编码，标签是人的名字，包含名字的列是我的目标列。我显然使用了标签二值化来对因变量（名字列）进行二值化。当我使用KNN来拟合和预测人的名字时，它什么也没预测出来。

应该像这样:

但相反，我得到了这个:

因此，我首先怀疑是否可以使用字符串值作为我的因变量或目标变量。任何帮助都将不胜感激。谢谢

对于二值化，我使用了以下方法

#Binarising the labelslabelBinarised = LabelBinarizer()Y_train=labelBinarised.fit_transform(Y_train)Y_test = labelBinarised.fit_transform(Y_test)

回答：

你可以使用字符串值作为目标变量，因为文档中说目标变量应该是{array-like, sparse matrix} Target values of shape = [n_samples] or [n_samples, n_outputs]，他们没有提到必须是数值的。你的特征需要是数值的，因为它用于计算距离，但你的目标可以是字符串。

如下面的例子所示，目标值是字符串，并且运行良好:

X = [[0], [1], [2], [3]]y = ['zero', 'zero', 'one', 'one']from sklearn.neighbors import KNeighborsClassifierneigh = KNeighborsClassifier(n_neighbors=3)neigh.fit(X, y)print(neigh.predict([[3]]))#output#array(['one'], dtype='<U4')