ValueError: Unknown label type: 'continuous' using DT with RF

Question

我正在尝试创建一个决策树，下面是我的代码：

X=updated[['dayofthemonth','hour']]
y=updated['Encounters']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=80, shuffle=True)
gpc = RandomForestRegressor(random_state=0).fit(X_train, y_train)
pre=gpc.predict(X_test)
gpc.score(X_test, y_test)
pre

我也在尝试用它创建一个决策树，所以我更新了代码如下：

X=updated[['dayofthemonth','hour']]
y=updated['Encounters']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=80, shuffle=True)
gpc = RandomForestRegressor(random_state=0).fit(X_train, y_train)
pre=gpc.predict(X_test)
gpc.score(X_test, y_test)
pre
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, y)

但仍然出现以下错误：

ValueError: Unknown label type: 'continuous'

Answer 1

首先你必须弄清楚你要解决的是哪种类型的机器学习问题：

分类： 您正在尝试预测一个 class（示例：好，正常，差）
Continuous/Regressor: 您正在尝试预测一个连续值（示例：房价)

那么，你的 y=updated['Encounters'] 是分类的还是连续的？

我会假设（观察错误）你想要的输出是连续的。所以你正在处理 Regressor 问题。在你的随机森林中，你使用了模型：RandomForestRegressor()，所以，顾名思义，它是一个用于回归的随机森林，所以它会起作用。

但是，当您尝试决策树时，您应用了下一个模型：DecisionTreeClassifier()。如您所见，现在您正在实施一个分类器模型，它不适合您的问题。要解决它，请使用下一个代码而不是 DecisionTreeClassifier():

clf = tree.DecisionTreeRegressor()

ValueError: Unknown label type: 'continuous' using DT with RF

ValueError: Unknown label type: 'continuous' using DT with RF

python

scikit-learn

random-forest

decision-tree