ValueError：未知标签类型：使用决策树分类器和使用自定义数据集时的数组

Question

下面是我的代码

dataset = np.genfromtxt('train_py.csv', dtype=float, delimiter=",")
X_train, X_test, y_train, y_test = train_test_split(dataset[:,:-1],dataset[:,-1], test_size=0.2,random_state=0)
model = tree.DecisionTreeClassifier(criterion='gini')
#y_train = y_train.tolist()
#X_train = X_train.tolist()
model.fit(X_train, y_train)
model.score(X_train, y_train)
predicted= model.predict(x_test)

我正在尝试对使用 numpy 库导入的自定义数据集使用决策树分类器。但是当我尝试拟合模型时，我得到了一个 ValueError，它在下面给出。我尝试同时使用 numpy 数组和非 numpy 数组（例如列表），但似乎仍然不知道是什么导致了错误。任何帮助表示赞赏。

    Traceback (most recent call last):
  File "tree.py", line 19, in <module>
    model.fit(X_train, y_train)
  File "/usr/local/lib/python2.7/dist-packages/sklearn/tree/tree.py", line 177, in fit
    check_classification_targets(y)
  File "/usr/local/lib/python2.7/dist-packages/sklearn/utils/multiclass.py", line 173, in check_classification_targets
    raise ValueError("Unknown label type: %r" % y)

ValueError: Unknown label type: array([[ 252.3352],....<until end of array>

Answer 1

python (scikit-learn) 希望你传递类似标签的东西，因此：整数、字符串等。浮点数不是有限空间的典型编码形式，它们用于回归。

文档： fitX_train 训练输入样本。在内部，它将被转换为 dtype=np.float32 并且如果将稀疏矩阵提供给稀疏 csc_matrix。