大家好，我有以下代码来寻找最优算法：

models = []models.append(('LR', LogisticRegression(solver='liblinear', multi_class='ovr')))models.append(('LDA', LinearDiscriminantAnalysis()))models.append(('KNN', KNeighborsClassifier()))models.append(('CART', DecisionTreeClassifier()))models.append(('NB', GaussianNB()))models.append(('SVM', SVC(gamma='auto')))results = []names = []for name, model in models:    kfold = StratifiedKFold(n_splits=10, random_state=1, shuffle=True)    print(kfold)    cv_results = cross_val_score(model, X_train, Y_train, cv=kfold, scoring='accuracy')    print("asd")    results.append(cv_results)    names.append(name)    print('%s: %f (%f)' % (name, cv_results.mean(), cv_results.std()))

其中我的X和y是：

X = dataset[['Twf', 'Depth']].values[:17655]y = dataset['fr1'].values[:17655]

我将它们分成训练集和验证集如下：

X_train, X_validation, Y_train, Y_validation = train_test_split(X, y, test_size=0.20, random_state=1)

然而我得到了以下错误：

ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.

问题是什么，如何解决？

回答：

像LogisticRegression这样的模型是分类模型，它们要求目标特征由类别或标签组成，比如[0,1,2 ..]或[a,b,c ..]。

如果你的目标特征是连续数据，比如[1.236, 1.451, 2.213..]，你会得到上述错误。

确保目标特征具有类别（可以是二元或多类）。