Cross validation in CATBOOST Regressor: ValueError: Classification metrics can't handle a mix of binary and continuous targets

Question

我有一个数据框没有空值，只有数字值（我做了必要的转换）

CATBOOST 实施

from catboost import CatBoostRegressor
from sklearn.model_selection import cross_val_score
CatBoost_clf=CatBoostRegressor()
CatBoost_clf.fit(X, y)
print('Train Accuracy',cross_val_score(CatBoost_clf, X_train, y_train, 
    cv=3, scoring='accuracy'))
print('Test Accuracy',cross_val_score(CatBoost_clf, X_test, y_test, cv=3, 
    scoring='accuracy'))

错误

> ----> 5 print('Accuracy:',cross_val_score(CatBoost_clf, X, y, cv=3, scoring='accuracy'))

> ValueError: Classification metrics can't handle a mix of binary and continuous targets

如何在 CATBOOST 上计算交叉验证精度（cv=3 或验证集的 3 次迭代）？（输出 y 的值为 0 和 1）

Answer 1

你应该使用的是CatBoostClassifier。

您正在使用 CatBoostRegressor，它旨在根据连续值（例如 0.43823）最大限度地减少误差。分类器，例如 CatBoostClassifier，采用分类输入值（例如 0 或 1），这就是您所拥有的。在您的示例中，y 是：

0    1
1    0
2    0
3    0
4    0
5    0
6    1

这绝对是绝对的，而不是连续的。