python - GridSearchCV 和 LogisticRegression 引发 ValueError : Can't handle mix of continuous and binary

标签 python python-2.7 machine-learning scikit-learn

我正在尝试使用 LogisticRegression 运行 gridsearch,并得到

ValueError: Can't handle mix of continuous and binary

我已将此错误追溯到 metrics.accuracy_score .显然,预测不太顺利,虽然 y_true 是连续的(与其余数据一样),但 y_pred 全为零,因此被归类为二进制。

  • 有什么办法可以避免这个错误吗?
  • y_pred 的性质是否意味着我根本没有使用逻辑回归的业务,或者这可能是所用参数的结果?

谢谢

最佳答案

有些令人困惑的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(“y_true”)数据应该是二进制的。如果您实际上是在尝试解决回归问题,则应该选择不同的算法,例如LinearRegression、SVR、RandomForestRegressor等

关于python - GridSearchCV 和 LogisticRegression 引发 ValueError : Can't handle mix of continuous and binary,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24061358/

相关文章:

python - 如何访问从 scipy.optimize.basinhopping (不是最小化)返回的 OptimizeResult 实例的 `success` 属性?

python - Python中未绑定(bind)的局部变量问题

python - 为什么以下 python 代码不打印到文件

Python:如何获取目录中的第一个文件?

python - 读取并解析 token 文件?

tensorflow - keras GRU 层中的返回状态和返回序列有什么区别?

python - 从派生的名词形式中找出基本动词

mysql - Unicode编码错误: 'charmap' codec can't encode character u'\xfd' in python 2. 7

python - 使用 PyLucene 作为 K-NN 分类器

machine-learning - 多参数分类器的最优参数估计