ValueError：xgboost 分类不支持连续答案

【问题标题】：ValueError: continuous is not supported with xgboost classificationValueError：xgboost 分类不支持连续
【发布时间】：2021-07-09 10:43:31
【问题描述】：

这是我的错误

ValueError                                Traceback (most recent call last)
<ipython-input-5-7c13d55b8367> in <module>()
      1 from sklearn.metrics import confusion_matrix, accuracy_score
      2 y_pred = classifier.predict(X_test)
----> 3 cm = confusion_matrix(y_test, y_pred)
      4 print(cm)
      5 accuracy_score(y_test, y_pred)

第二帧

/usr/local/lib/python3.7/dist-packages/sklearn/metrics/_classification.py in _check_targets(y_true, y_pred)
     95     # No metrics support "multiclass-multioutput" format
     96     if (y_type not in ["binary", "multiclass", "multilabel-indicator"]):
---> 97         raise ValueError("{0} is not supported".format(y_type))
     98 
     99     if y_type in ["binary", "multiclass"]:

ValueError: continuous is not supported

这是我的代码

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

dataset = pd.read_csv('NBA_proj_14.csv')
X = dataset.iloc[:, :-13].values
y = dataset.iloc[:, -13].values

将数据集拆分为训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)

在训练集上训练 XGBoost

from xgboost import XGBClassifier
classifier = XGBClassifier()
classifier.fit(X_train, y_train)

制作混淆矩阵

from sklearn.metrics import confusion_matrix, accuracy_score
y_pred = classifier.predict(X_test)
cm = confusion_matrix(y_test, y_pred)
print(cm)
accuracy_score(y_test, y_pred)```

这是我的数据集

【问题讨论】：

好的，您对这个错误信息有什么问题？您阅读错误信息了吗？您了解错误信息吗？例如，你能理解y_type 在那种情况下指的是什么，以及它为什么要尝试使用"continuous"？不支持连续类型对您来说有意义吗？您是否期望输入具有这些特征？如果是这样，你为什么要创建这个混淆矩阵，你对它应该如何工作的理解是什么？如果不是，当您尝试诊断为什么会这样时发生了什么？
请不要阻止引用您的文字，并尝试为您的帖子（已编辑）提供描述性标题。

标签： python machine-learning xgboost

【解决方案1】：

这里：

X = dataset.iloc[:, :-13].values
y = dataset.iloc[:, -13].values

您不是构建特征数组X 和目标数组y，而是按行拆分数据集，这不是您想要的。

只有你自己知道你想要预测的类是什么/在哪里，你想要制作你的目标数组。正如错误所暗示的，在进行分类、构建混淆矩阵时，您不应该预测连续变量。

【讨论】：

所以给出我的代码示例，由于输出是连续的，我将如何拆分输入特征和输出特征？