Python/Scikit-Learn - 无法处理多类别和连续值混合

Question

我正在尝试将SGDRegressor拟合到我的数据上，然后检查准确性。拟合工作正常，但是预测结果与原始目标数据不是相同的数据类型(?), 我得到了以下错误：

ValueError: Can't handle mix of multiclass and continuous

当调用 print "Accuracy:", ms.accuracy_score(y_test,predictions) 时。

数据长这样（只有20万多行）：

Product_id/Date/product_group1/Price/Net price/Purchase price/Hour/Quantity/product_group2
0   107 12/31/2012  10  300 236 220 10  1   108

代码如下：

from sklearn.preprocessing import StandardScaler
import numpy as np
from sklearn.linear_model import SGDRegressor
import numpy as np
from sklearn import metrics as ms

msk = np.random.rand(len(beers)) < 0.8

train = beers[msk]
test = beers[~msk]

X = train [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y = train[['Quantity']]
y = y.as_matrix().ravel()

X_test = test [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y_test = test[['Quantity']]
y_test = y_test.as_matrix().ravel()

clf = SGDRegressor(n_iter=2000)
clf.fit(X, y)
predictions = clf.predict(X_test)
print "Accuracy:", ms.accuracy_score(y_test,predictions)

我应该有什么不同的做法吗？谢谢！

- lte__

---

您可以考虑通过使用 round 函数将连续值四舍五入为最接近的整数，将连续值转换为离散值。请参考此链接（https://dev59.com/sFoT5IYBdhLWcg3w8S61）, 由natbusa回答类似问题。 - Dutse I

Dutse 是正确的。或者你可以使用 y_preds = y_preds > 0.5 来转换为离散值。在这里，你可以设置自己的阈值。 - Shark Deng

@SharkDeng，你错了，前面的评论也错了；问题的根本原因已经在下面的答案中指出（链接的答案也是错误的）。 - desertnaut

Answer 1

准确率是一种分类指标。在回归中不能使用它。有关各种指标的信息，请参见文档。

- BrenBarn

---

那么我该如何使用我的模型进行预测呢？我的意思是，如果 clf.predict(X_test) 的输出与原始数据不同，我该如何使用它呢？这让我感到困惑。 - lte__

通常情况下，您不能期望从回归模型中得到完全正确的结果。您所希望的是，您的预测整体上接近真实值。为了判断它们是否足够接近，您需要使用不同的评估指标（回归指标之一）。请参阅我提供的文档链接，其中解释了许多指标。 - BrenBarn

Answer 2

准确率只适用于分类问题。对于回归问题，您可以使用：R2得分、MSE（均方误差）、RMSE（均方根误差）。

- Juan Jose Polanco Arias