Ich versuche, mit Logistische Regression zu laufen Gridsearch und bekommenGridSearchCV und Logistische Regression Valueerror erhöhen: Kann nicht damit umgehen Mischung aus kontinuierlichen und binären
ValueError: Can't handle mix of continuous and binary
ich diesen Fehler zu metrics.accuracy_score
verfolgt haben. Offensichtlich geht die Vorhersage nicht so gut, und während y_true kontinuierlich ist (wie auch der Rest der Daten), ist y_pred nur Nullen und wird daher als binär klassifiziert.
- Gibt es eine Möglichkeit, diesen Fehler zu vermeiden?
- Bedeutet die Natur von y_pred, dass ich überhaupt keine logistische Regression verwende, oder könnte dies eine Folge der verwendeten Parameter sein?
Dank
LogisticRegression kann verwendet werden, wenn es feste Anzahl von Etiketten gibt –
Trotz des obigen Kommentars ist dies natürlich die richtige Antwort. Sich dumm fühlen, danke. – Korem
@AbishekThakur, ja, das ist ein guter Punkt, aber beachte, dass scikit-learn für den Mehrklassen-LR einen Ein-gegen-Alles-Wrapper um den binären LR-Algorithmus verwendet. – DavidS