Question

我有1个特征和N个样本的数据集。我正在尝试从“功能”列中预测以下“目标”列。所有值都是1到4之间的浮点数：例如1.2、2.2等

target     feature    
0.0          0.0
6.0          8.0
7.2          1.0
2.3          2.0
1.1          5.0
5.0          1.0
0.0          0.0
0.0          1.0
0.0          0.0

我正在使用scikit-learn。我遇到的错误是（使用DecisionTreeClassifier或RandomForest）：

ValueError("Unknown label type: %r" % y_type)
ValueError: Unknown label type: 'continuous'

除非将它们转换为字符串或整数，否则我将无法使用任何分类器来处理此数据。但是，我需要能够预测这些小数点，因此这不是一种选择。

我是机器学习的初学者，并希望确保在此过程中不会犯任何愚蠢的错误。

首先：将这些浮点数转换为字符串并仅对这些字符串运行分类器是否正确？（例如randomforest ...）此方法的注意事项是什么？
我可以在花车上运行哪些分类器？
我应该使用回归器吗？

谢谢！

Answer 1

我相信您将分类问题误认为是回归一。如果您要预测的最终标签也是浮点值，那么我想您将回归问题误认为是一类。

此外，您不能简单地将float转换为字符串，因为

将它们转换为字符串会将其转换为分类值，这将是完全错误的，因为基本数据模式只会丢失。
此外，浮点值是数值，应该属于某种序列。将它们更改为字符串会在转换过程中导致丢失此信息。
此外，大多数分类器都会将分类变量转换为某种编码方式（例如单热编码）。将float值转换为字符串，然后转换为另一种编码会引入不必要的噪音（除了算法上的错误之外）

几乎所有分类器都可以处理浮动数据。但是，它们可能不适用于您的情况，因为这是一个回归问题，而不是分类问题。这是在具有浮动数据的虹膜数据集上K-means，SVC和Random forest的实现，但这是一个分类问题。

尝试使用任何回归器，都会发现您的问题取得了成功

浮点数分类器

1 个答案: