python - 值错误 : Unknown label type: 'continuous-multioutput' when fitting data

Question

我想使用 scikit-learn 的 MultiOutputClassifier 根据一个输入参数预测多个结果。出于某种原因，我总是收到此错误，而且我不知道是什么问题:

ValueError:未知标签类型:'continuous-multioutput'

我试过使 my_data['Clicked'] 成为分类数据，我试过这个 my_data['Clicked'] = my_data['Clicked'].astype(' category')，但它给了我同样的错误。

我已经在一些简单的虚拟数据库上尝试了相同的代码并且它运行良好。这是有效的代码:

from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

dic = {'par_1': [10, 30, 13, 19, 25, 33, 23],
       'par_2': [1, 3, 1, 2, 3, 3, 2],
       'outcome': [101, 905, 182, 268, 646, 624, 465]}

df = pd.DataFrame(dic)

variables = df.iloc[:,:-1]
results = df.iloc[:,-1]

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs'))
multi_output_clf.fit(results.values.reshape(-1, 1),variables)

x = multi_output_clf.predict([[100]])
print(x)

对于上面的代码，一切正常，但是对于下面的代码，我得到了错误。我不知道问题出在哪里，因为我刚刚使用了更大的数据集和值，据此我预测参数仅为 0 和 1。 Zeros 和 Ones 应该是像 yes 和 no 这样的类(类别)，但是如果我将它们更改为“yes”和“no”，我会得到 无法转换的错误要 float 的字符串。为什么这不是连续的“结果”:[101, 905, 182, 268, 646, 624, 465] 但一系列 0 和 1 是连续的？

from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

variables = my_data[['Clicked']] #values are integers, only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs'))
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

x = multi_output_clf.predict([1])
print(x)

下面是我使用的完整数据集的一部分(它给了我同样的错误):

dic = {'Daily Time on Site': [59.99, 88.91, 66.00, 74.53, 69.88, 47.64, 83.07, 69.57],
       'Age': [23,33,48,30,20,49,37,48],
       'Gender': [1, 0, 1, 1, 1, 0, 1, 1],
       'Clicked': [0, 0, 1, 0, 0, 1, 0, 1]}

my_data = pd.DataFrame(dic)

variables = my_data[['Clicked']] #values are only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs', multi_class='ovr'))
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

x = multi_output_clf.predict([1])
print(x)

Answer 1

我认为您需要使用 MultiOutputRegressor()，因为您的输出变量似乎是连续的。

尝试以下更改:

variables  = my_data[['Clicked']] #values are only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputRegressor(LinearRegression())
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

更新:

>>> pd.cut(my_data['Daily Time on Site'],
...        3, labels=["low", "medium", "high"])

0       low
1      high
2    medium
3    medium
4    medium
5       low
6      high
7    medium

注意:不建议使用整数作为您的类别，因为当您的变量值范围很大时，类别数量可能会非常高。请将它们分成更小的组，比如 10 或 20，然后将它们视为分类值。