未知标签类型：“连续”

Question

我的团队成员，遇到问题
----------------------

   Avg.SessionLength TimeonApp  TimeonWebsite LengthofMembership Yearly Amount Spent
    0   34.497268   12.655651    39.577668     4.082621                 587.951054
    1   31.926272   11.109461    37.268959     2.664034                 392.204933
    2   33.000915   11.330278    37.110597     4.104543                 487.547505
    3   34.305557   13.717514    36.721283     3.120179                 581.852344
    4   33.330673   12.795189    37.536653     4.446308                 599.406092
    5   33.871038   12.026925    34.476878     5.493507                 637.102448
    6   32.021596   11.366348    36.683776     4.685017                 521.572175 

想要申请KNN

X = df[['Avg. Session Length', 'Time on App','Time on Website', 'Length of Membership']] 
y = df['Yearly Amount Spent'] 

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, 
random_state=42) 

from sklearn.neighbors import KNeighborsClassifier 
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X_train,y_train)

ValueError：未知标签类型：“连续”

Answer 1

“ Yearly Amount Spent列中的值是实数，因此它们不能用作分类问题的标签（请参见此处 ）：

在scikit-learn中进行分类时，y是整数或字符串的向量。

因此，您会得到错误。 如果要构建分类模型，则需要决定如何将它们转换为有限的一组标签。

请注意，如果您只是想避免该错误，则可以执行

import numpy as np
y = np.asarray(df['Yearly Amount Spent'], dtype="|S6")

这会将y的值转换为所需格式的字符串。 但是，每个标签只会出现在一个样本中，因此您无法真正使用这样的标签集构建有意义的模型。

Answer 2

我认为您实际上是在尝试进行回归而不是分类，因为您的代码看起来很像您想预测以数字表示的年度花费。 在这种情况下，请使用

from sklearn.neighbors import KNeighborsRegressor
knn = KNeighborsRegressor(n_neighbors=1)

代替。 例如，如果您确实有一个分类任务，则想将其分类为类似的类（“每年花费少”，“每年花费高” ...），则应离散化标签并将其转换为字符串或整数（如@Miriam Farber所述），具体取决于您在这种情况下需要手动设置的阈值。