ValueError：未知标签类型：拟合数据时的“连续多输出”

Question

我想使用scikit-learn 的MultiOutputClassifier 根据一个输入参数预测多个结果。 由于某种原因，我总是收到此错误，我不知道是什么问题：

ValueError: Unknown label type: 'continuous-multioutput'

我尝试将my_data['Clicked'] 设为分类数据，我尝试过此my_data['Clicked'] = my_data['Clicked'].astype('category')，但它给了我同样的错误。

我在一些简单的虚拟数据库上尝试了相同的代码，并且效果很好。 这是有效的代码：

from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

dic = {'par_1': [10, 30, 13, 19, 25, 33, 23],
       'par_2': [1, 3, 1, 2, 3, 3, 2],
       'outcome': [101, 905, 182, 268, 646, 624, 465]}

df = pd.DataFrame(dic)

variables = df.iloc[:,:-1]
results = df.iloc[:,-1]

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs'))
multi_output_clf.fit(results.values.reshape(-1, 1),variables)

x = multi_output_clf.predict([[100]])
print(x)

对于上面的代码，一切正常，但对于下面的代码，我得到了错误。 我不知道是什么问题，因为我刚刚使用了更大的数据集和值，据此预测参数只有 0 和 1。零和一应该是类（类别），如yes 和no，但如果我将它们更改为“是”和“否”，我会得到cannot convert string to float 的错误。为什么这不是连续的“结果”：[101、905、182、268、646、624、465] 但一系列 0 和 1 是连续的？

from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

variables = my_data[['Clicked']] #values are integers, only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs'))
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

x = multi_output_clf.predict([1])
print(x)

以下是我使用过的完整数据集的一部分（它给了我同样的错误）：

dic = {'Daily Time on Site': [59.99, 88.91, 66.00, 74.53, 69.88, 47.64, 83.07, 69.57],
       'Age': [23,33,48,30,20,49,37,48],
       'Gender': [1, 0, 1, 1, 1, 0, 1, 1],
       'Clicked': [0, 0, 1, 0, 0, 1, 0, 1]}

my_data = pd.DataFrame(dic)

variables = my_data[['Clicked']] #values are only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs', multi_class='ovr'))
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

x = multi_output_clf.predict([1])
print(x)

Answer 1

我认为您需要选择MultiOutputRegressor()，因为您的输出变量似乎是连续的。

尝试以下更改：

variables  = my_data[['Clicked']] #values are only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputRegressor(LinearRegression())
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

更新：

>>> pd.cut(my_data['Daily Time on Site'],
...        3, labels=["low", "medium", "high"])

0       low
1      high
2    medium
3    medium
4    medium
5       low
6      high
7    medium

注意：不建议将整数作为您的类别，因为当您的变量的值范围很大时，类别的数量可能会非常高。请将它们分成较小的组，例如 10 或 20，然后将它们视为分类值。

Answer 2

我找到了解决方案，为了消除这个错误，所有输出变量的值，在这种情况下 ['Daily Time on Site', 'Age', 'Gender'] 需要是整数，而不是浮点数

dic = {'Daily Time on Site': [59.99, 88.91, 66.00, 74.53, 69.88, 47.64, 83.07, 69.57],
       'Age': [23,33,48,30,20,49,37,48],
       'Gender': [1, 0, 1, 1, 1, 0, 1, 1],
       'Clicked': [0, 0, 1, 0, 0, 1, 0, 1]}

my_data = pd.DataFrame(dic)
my_data['Daily Time on Site']= my_data['Daily Time on Site'].round(0)

variables = my_data[['Clicked']] #values are only 0 and 1 (0 = not clicked , 1 = clicked)
results = my_data[['Daily Time on Site', 'Age', 'Gender']] #values are integers and floats

multi_output_clf = MultiOutputClassifier(LogisticRegression(solver='lbfgs', multi_class='ovr'))
multi_output_clf.fit(variables.values.reshape(-1, 1),results)

x = multi_output_clf.predict([1])
print(x)