在 sklearn 中实现 SVC 时出错
Error in implementing SVC in sklearn
我正在尝试实施 svc 来预测连续变量：
print("X_train_dtm type ", type(X_train_dtm))
print("y_train type ", type(y_train))
svc = svm.SVC(kernel='linear', C=C).fit(X_train_dtm, y_train)
但是我得到以下输出和错误：
X_train_dtm type <class 'scipy.sparse.csr.csr_matrix'>
y_train type <class 'pandas.core.series.Series'>
raise ValueError("Unknown label type: %r" % y)
ValueError: Unknown label type: 72 0.526
350 0.253
457 0.763
2 0.340
1044 -0.223
241 -0.364
979 0.357
892 -0.384
969 -0.114
761 -0.285
866 0.516
559 0.295
73 0.328
117 -0.130
我尝试了很多方法但无法修复它。
SVC 代表 C-Support 矢量分类。
该算法是一种分类算法，不能预测连续数据。相反，您应该使用回归算法。您可以查看 SVR 算法，它也使用支持向量机或其他回归算法（线性回归、套索、随机森林回归等）。
祝你好运！
我正在尝试实施 svc 来预测连续变量：
print("X_train_dtm type ", type(X_train_dtm))
print("y_train type ", type(y_train))
svc = svm.SVC(kernel='linear', C=C).fit(X_train_dtm, y_train)
但是我得到以下输出和错误：
X_train_dtm type <class 'scipy.sparse.csr.csr_matrix'>
y_train type <class 'pandas.core.series.Series'>
raise ValueError("Unknown label type: %r" % y)
ValueError: Unknown label type: 72 0.526
350 0.253
457 0.763
2 0.340
1044 -0.223
241 -0.364
979 0.357
892 -0.384
969 -0.114
761 -0.285
866 0.516
559 0.295
73 0.328
117 -0.130
我尝试了很多方法但无法修复它。
SVC 代表 C-Support 矢量分类。 该算法是一种分类算法，不能预测连续数据。相反，您应该使用回归算法。您可以查看 SVR 算法，它也使用支持向量机或其他回归算法（线性回归、套索、随机森林回归等）。
祝你好运！