Question

我只是想做一个简单的RandomForestRegressor示例。但是在测试精度的同时我得到了这个错误

/Users/noppanit/anaconda/lib/python2.7/site-packages/sklearn/metrics/classification.pyc
in accuracy_score（y_true，y_pred，normalize，sample_weight） 177 178＃计算每种可能表示的准确性 - ＆GT; 179 y_type，y_true，y_pred = _check_targets（y_true，y_pred） 180如果y_type.startswith（'multilabel'）： 181 differing_labels = count_nonzero（y_true - y_pred，axis = 1）
/Users/noppanit/anaconda/lib/python2.7/site-packages/sklearn/metrics/classification.pyc
_check_targets中的
（y_true，y_pred） 90 if（y_type不在[“binary”，“multiclass”，“multilabel-indicator”中， 91“多标记序列”]）： ---＆GT; 92引发ValueError（“不支持{0}”。格式（y_type）） 93 94如果[“binary”，“multiclass”]中的y_type：
ValueError: continuous is not supported

这是数据样本。我无法显示真实数据。

target, func_1, func_2, func_2, ... func_200
float, float, float, float, ... float

这是我的代码。

import pandas as pd
import numpy as np
from sklearn.preprocessing import Imputer
from sklearn.ensemble import RandomForestClassifier, RandomForestRegressor, ExtraTreesRegressor, GradientBoostingRegressor
from sklearn.cross_validation import train_test_split
from sklearn.metrics import accuracy_score
from sklearn import tree

train = pd.read_csv('data.txt', sep='\t')

labels = train.target
train.drop('target', axis=1, inplace=True)
cat = ['cat']
train_cat = pd.get_dummies(train[cat])

train.drop(train[cat], axis=1, inplace=True)
train = np.hstack((train, train_cat))

imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
imp.fit(train)
train = imp.transform(train)

x_train, x_test, y_train, y_test = train_test_split(train, labels.values, test_size = 0.2)

clf = RandomForestRegressor(n_estimators=10)

clf.fit(x_train, y_train)
y_pred = clf.predict(x_test)
accuracy_score(y_test, y_pred) # This is where I get the error.

Answer 1

这是因为accuracy_score仅用于分类任务。对于回归，您应该使用不同的东西，例如：

clf.score(X_test, y_test)

在X_test是样本的情况下，y_test是对应的基础事实值。它将计算内部的预测。

Answer 2

由于您正在进行分类任务，因此您应该使用公制 R平方 （确定的有效性）而不是 准确度得分 （准确度得分用于分类目的）。

为避免混淆，我建议您使用不同的变量名称，例如reg / rfr。

可以通过调用RandomForestRegressor提供的score函数来计算R平方，例如：

rfr.score(X_test,Y_test)

RandomForestRegressor中的连续不受支持错误

2 个答案: