GridSearchCV 和 LogisticRegression 引发 ValueError：无法处理连续和二进制的混合

【问题标题】：GridSearchCV and LogisticRegression raise ValueError: Can't handle mix of continuous and binaryGridSearchCV 和 LogisticRegression 引发 ValueError：无法处理连续和二进制的混合
【发布时间】：2014-07-26 12:22:14
【问题描述】：

我正在尝试使用 LogisticRegression 运行 gridsearch，并得到 p>

ValueError: Can't handle mix of continuous and binary

我已将此错误追溯到metrics.accuracy_score。显然预测不太顺利，虽然 y_true 是连续的（与其余数据一样），但 y_pred 全部为零，因此被归类为二进制。

有什么办法可以避免这个错误吗？
y_pred 的性质是否意味着我根本没有使用逻辑回归的业务，或者这可能是使用的参数的结果？

谢谢

【问题讨论】：

标签： python python-2.7 machine-learning scikit-learn

【解决方案1】：

有点令人困惑的逻辑回归实际上是一种分类算法（请参阅http://scikit-learn.org/stable/modules/linear_model.html#logistic-regression）。因此，您提供的目标（“y_true”）数据应该是二进制的。如果您实际上是在尝试解决回归问题，您应该选择不同的算法，例如LinearRegression、SVR、RandomForestRegressor等

【讨论】：

如果标签数量固定，可以使用LogisticRegression
尽管有上述评论，但这当然是正确答案。感觉很蠢，谢谢。
@AbishekThakur，是的，这是一个很好的观点，但请注意，对于多类 LR，scikit-learn 在二进制 LR 算法周围使用一对多的包装器。
仍然在 API 方面，LogisticRegression 对象需要类标签，不一定是 [0,1] 向量。