ValueError: Classification metrics can‘t handle a mix of binary and continuous targets

最新推荐文章于 2025-06-11 14:42:51 发布

原创最新推荐文章于 2025-06-11 14:42:51 发布 · 3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#debug #python

本文探讨了在使用sklearn库进行决策树分类后，遇到的ValueError：无法处理二进制和连续目标的混淆。通过修改代码将目标变量类型从float转换为int，解决了分类报告和混淆矩阵的输出问题。博主寻求理解并欢迎读者分享经验。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

先给解决方法：

原先的代码：

f.values.astype(float)
X = f.iloc[:,:-1]
y = f.iloc[:,-1]
#此处省略部分代码
from sklearn import metrics
print(metrics.classification_report(y,predict_y))
print('Confusion matrix:\n',metrics.confusion_matrix(y,predict_y))

修改后：

 #单纯删去了原先语句的第一行，并修改第三行
X = f.iloc[:,:-1]
y = f.iloc[:,-1].values.astype(int)   #astpye设置为float也可行

如上修改后就成功出现了想要的结果：
备注：使用源代码的话，不管是调用函数metrics.classification_report还是metrics.confusion_matrix都会报错
在这里插入图片描述

现在给报错背景：

在训练完决策树分类器后，想看一下分类性能报告和混淆矩阵，结果报错ValueError: Classification metrics can‘t handle a mix of binary and continuous targets

原因探索：

参考sklearn官网关于函数metrics.classification_report的说明：

sklearn.metrics.confusion_matrix(y_true,y_pred,*,labels=None,sample_weight=None,normalize=None)
y_true：array-like of shape (n_samples,)
y_pred：array-like of shape (n_samples,)

xs探索了个寂寞出来
如果有大佬知道为什么采用原语句会报错的话，欢迎在评论区留言，万分感谢！