ValueError: Classification metrics can't handle a mix of binary and continuous targets
Ai dat unei metrici de clasificare (accuracy_score, f1_score, confusion_matrix) probabilități sau scoruri în loc de clase. Compară y_true cu model.predict(X), nu cu predict_proba, sau transformă probabilitățile în clase cu un prag (p >= 0.5).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Metricile de clasificare compară două liste de clase: etichetele reale și cele prezise. Mesajul spune că una dintre liste e binary (doar 0 și 1), iar cealaltă continuous (numere zecimale, de exemplu 0.83, 0.12). Pentru o comparație de tip „corect / greșit”, scikit-learn nu știe dacă 0.83 înseamnă clasa 1.
Cauzele clasice: ai dat metricii rezultatul lui predict_proba(X)[:, 1]; ai folosit un model de regresie (LinearRegression) pentru o țintă 0/1, iar predict dă numere zecimale; sau ai trimis rezultatul lui decision_function. Metricile care lucrează direct cu scoruri sunt altele: roc_auc_score, log_loss, average_precision_score. Variantele aceluiași mesaj (multiclass and continuous, binary and multiclass) au aceeași cauză: cele două liste nu sunt de același tip.
De ce apare: cauzele frecvente
1Probabilități date la accuracy_score
p = model.predict_proba(X_test)[:, 1]
print(accuracy_score(y_test, p))p = model.predict_proba(X_test)[:, 1]
y_pred = (p >= 0.5).astype(int)
print(accuracy_score(y_test, y_pred))Pragul transformă fiecare probabilitate în 0 sau 1, deci ambele liste conțin clase.
2Regresie liniară folosită ca un clasificator
y_pred = LinearRegression().fit(X, y).predict(X_test)
print(f1_score(y_test, y_pred))y_pred = LogisticRegression().fit(X, y).predict(X_test)
print(f1_score(y_test, y_pred))predict al regresiei logistice întoarce chiar clasele 0/1.
3Scoruri continue date la o metrică pe clase
scor = model.decision_function(X_test)
print(confusion_matrix(y_test, scor))scor = model.decision_function(X_test)
print(roc_auc_score(y_test, scor))Dacă vrei să evaluezi scorurile, alegi o metrică făcută pentru ele, precum aria de sub curba ROC.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Classification metrics can't handle a mix of binary and continuous targets, pentru că acuratețea e calculată pe probabilități. Repară-l: transformă probabilitățile în clase cu pragul 0.5, ca programul să afișeze predicțiile și acuratețea.
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
X = np.array([[1], [2], [3], [4], [6], [7], [8], [9]])
y = np.array([0, 0, 0, 1, 0, 1, 1, 1])
model = LogisticRegression().fit(X, y)
proba = model.predict_proba(X)[:, 1]
y_pred = proba
print("Predictii:", y_pred.tolist())
print("Acuratete:", accuracy_score(y, y_pred))Predictii: [0, 0, 0, 0, 1, 1, 1, 1] Acuratete: 0.75
Indiciu
Clasele se obțin cu (proba >= 0.5).astype(int).
Reparația
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
X = np.array([[1], [2], [3], [4], [6], [7], [8], [9]])
y = np.array([0, 0, 0, 1, 0, 1, 1, 1])
model = LogisticRegression().fit(X, y)
proba = model.predict_proba(X)[:, 1]
y_pred = (proba >= 0.5).astype(int)
print("Predictii:", y_pred.tolist())
print("Acuratete:", accuracy_score(y, y_pred))De ce merge
predict_proba(X)[:, 1] dă probabilitatea clasei 1 pentru fiecare exemplu, adică numere între 0 și 1. Acuratețea numără potrivirile exacte, iar o probabilitate de 0.73 nu poate fi „egală” cu eticheta 1, deci metrica refuză amestecul. Comparația proba >= 0.5 ia decizia pentru fiecare exemplu, iar astype(int) dă clasele 0/1. Acum ambele liste conțin clase, iar acuratețea se calculează normal; rezultatul este același cu cel al lui model.predict(X).
Alte forme ale mesajului
ValueError: Classification metrics can't handle a mix of multiclass and continuous targetsValueError: Classification metrics can't handle a mix of binary and multiclass targetsValueError: Classification metrics can't handle a mix of continuous and binary targets
Cum o eviți pe viitor
Separă clar cele două tipuri de ieșiri: predict dă clase (pentru accuracy_score, precision_score, recall_score, f1_score, confusion_matrix, classification_report), iar predict_proba / decision_function dau scoruri (pentru roc_auc_score, log_loss). Numește variabilele explicit, de exemplu y_pred și y_proba, ca să nu le amesteci. Înainte de metrică, un print(y_pred[:5]) îți arată imediat dacă ai clase sau probabilități.
Întrebări frecvente
De ce roc_auc_score acceptă probabilități, iar accuracy_score nu?
Aria ROC măsoară cât de bine ordonează scorurile exemplele pozitive înaintea celor negative, pentru toate pragurile posibile. Acuratețea are nevoie de o decizie concretă pentru fiecare exemplu, deci de un prag deja aplicat.
Ce prag să folosesc?
0.5 este pragul implicit al lui predict. Dacă greșelile nu costă la fel (de exemplu o fraudă ratată e mai gravă decât o alarmă falsă), poți coborî sau urca pragul și verifica efectul pe precision și recall.
Erori înrudite
ValueError: Unknown label type: continuous. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values. Ai dat unui clasificator o țintă cu valori continue (prețuri, note cu zecimale), iar el așteaptă clase. Dacă vrei să prezici un număr, folosește un model de regresie (LinearRegression, DecisionTreeRegressor); dacă vrei clase, transformă ținta în categorii, de exemplu cu un prag. ValueError: Target is multiclass but average='binary'. Please choose another average setting, one of [None, 'micro', 'macro', 'weighted']. Ai calculat precision, recall sau F1 pe o problemă cu mai mult de două clase, iar implicit aceste funcții presupun două clase. Alege explicit cum se face media: average='macro' (toate clasele la fel), 'weighted' (după numărul de exemple) sau None (scor pe fiecare clasă). AttributeError: 'LinearRegression' object has no attribute 'predict_proba' predict_proba există doar la clasificatori care estimează probabilități (LogisticRegression, arbori, k-NN, Naive Bayes). LinearRegression prezice numere, nu clase. Pentru probabilități folosește LogisticRegression; la SVC pornește probability=True. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
