未知标签类型：“连续”

Question

我的队友， 有问题
----------------------

   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，因此它们不能作为分类问题的标签（请参阅here）：

在scikit-learn中做分类时，y是一个整数向量 或字符串。

因此你得到错误。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标签集。

注意，如果你只是想避免错误，你可以这样做

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

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

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要预测 每年花费的金额。在这种情况下，使用

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

相反。如果你真的有一个分类任务，例如你想分类为（'每年花费的金额很低'，'每年花费的金额很高'，......），你应该离散标签并将它们转换为字符串或整数（如@Miriam Farber 所解释），根据在这种情况下您需要手动设置的阈值。