机器学习模型不适用于连续数据

Posted 2023-03-12

【中文标题】机器学习模型不适用于连续数据

【英文标题】：Machine learning models don't work with continuous data

【发布时间】：2019-07-17 23:33:30

【问题描述】：

我正在尝试建立一个机器学习模型，以根据棒球运动员的击球次数和命中次数预测棒球运动员的击球率。自：

Batting Average = Hits/At Bats

我认为这种关系会相对更容易发现。但是，由于 Batting Average 是浮点数（即 0.300），所以我尝试的所有模型都返回以下错误：

ValueError: Unknown label type: 'continuous'

我正在使用 sklearns 模型。我尝试过 LogisticRegression、RandomForestClassifier、LinearRegression。他们都有同样的问题。

通过阅读有关此错误的其他 *** 帖子，我开始这样做：

lab_enc = preproccessing.LabelEncoder()
y = pd.DataFrame(data=lab_enc.fit_transform(y))

这似乎将诸如 0.227 之类的值更改为 136，这对我来说似乎很奇怪。可能只是因为我不太了解转换在做什么。如果可能的话，我宁愿只使用实际的击球平均值。

有没有办法让我在预测连续值时尝试使用的模型？

【参考方案1】：

您要解决的问题属于回归（即数值预测）上下文，它当然可以用 ML 算法处理。

我正在使用 sklearns 模型。我尝试过 LogisticRegression、RandomForestClassifier、LinearRegression。他们都有同样的问题。

您在此处提到的前两种算法（逻辑回归和随机森林分类器）用于分类问题，因此不适合您的（回归）设置（它们预计会产生您提到的错误）。然而，线性回归 是 合适的，在这里应该可以正常工作。

首先，请坚持使用线性回归，以说服自己它确实可以解决问题；您随后可以扩展到其他 scikit-learn 算法，例如 RandomForestRegressor 等。如果您遇到任何问题，请使用特定代码和错误打开一个新问题。 .

【讨论】：

感谢您的回复。当我使用 LinearRegression 时，我收到此错误：“ValueError：不支持连续”。同样的错误适用于 RandomForestRegressor。

@VirtuallyRealistic 正如我所说，现在您可以缩小问题范围（即您知道 一些 您尝试过的模型确实不适合），请 1 ) 接受答案 2) 用详细信息打开一个新问题（您在此处提到的错误与您在帖子中提到的错误甚至不一样）