如何修复未知标签类型：“连续”？

Question

我有 2 列（评论、毒性）csv 文件。注释是字符串，毒性是浮点数。

|评论 |专栏 | |:---- |:-----:| |有毒评论 | 0,6817 | 我想用这段代码做特征重要性；

import numpy as np
import tensorflow as tf
import pickle
import pandas as pd
import os
import nltk
import re
import matplotlib.pyplot as plt
import seaborn as sns
import string

from tensorflow.keras.models import Sequential
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.layers import Dense, Input, LSTM, Embedding, 
Dropout, Activation
from tensorflow.keras.layers import Bidirectional, GlobalMaxPool1D
from tensorflow.keras import initializers, regularizers, constraints, 
optimizers, layers
from tensorflow.keras import layers , activations , models , 
preprocessing, 
utils
from gensim.models import Word2Vec, KeyedVectors
from sklearn import metrics
from sklearn import preprocessing
from sklearn.linear_model import LinearRegression
from nltk.corpus import stopwords
from nltk import word_tokenize
from sklearn.metrics import roc_curve
from sklearn.metrics import auc
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
from collections import defaultdict
from sklearn.ensemble import ExtraTreesClassifier

df=pd.read_csv("toxic.csv")
labelencoder = preprocessing.LabelEncoder()
df['comment'] = labelencoder.fit_transform(df['toxicity'])

Y=df['toxicity'].values
X=df['comment'].values.reshape(-1, 1)   #target column toxicity


model = ExtraTreesClassifier()
model.fit(X,Y)
feat_importances = pd.Series(model.feature_importances_,index=X.columns)
feat_importances.nlargest(10).plot(kind='barh')
plt.show()

但我遇到了这个错误；

Traceback（最近一次通话最后一次）：

文件“C:\Users\hayyi.spyder-py3\temp.py”，第 218 行，在 模型.fit(X,Y)

文件 "D:\SpyderUI\MiniConda\envs\spyder-env\lib\site-packages\sklearn\ensemble_forest.py", 第 367 行，合适 y, expand_class_weight = self._validate_y_class_weight(y)

文件 "D:\SpyderUI\MiniConda\envs\spyder-env\lib\site-packages\sklearn\ensemble_forest.py", 第 724 行，在 _validate_y_class_weight check_classification_targets(y)

文件 "D:\SpyderUI\MiniConda\envs\spyder-env\lib\site-packages\sklearn\utils\multiclass.py", 第 198 行，在 check_classification_targets 中 raise ValueError("未知标签类型：%r" % y_type)

ValueError：未知标签类型：'连续'

我该如何解决这个问题？

Answer 1

首先，必须清楚您要解决什么类型的问题。这是分类还是回归问题？ （我假设您已经知道这些差异）

在您的情况下，我假设您正在处理回归问题，因为 toxicity 是 float。

在您的代码中，您使用的算法仅适用于分类问题：ExtraTreesClassifier()。您收到的错误是因为算法不知道如何处理y 中的连续值，它只知道如何处理分类y。

要解决，请尝试使用另一种算法：ExtraTreesRegressor()，这与您使用的算法相同，但设计用于解决回归问题。