...
Eroare Machine Learning · Împărțirea datelor și validarea încrucișată

ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.

Pe scurt

Ai folosit StratifiedKFold (sau StratifiedShuffleSplit) pe o țintă continuă, de exemplu prețuri. Stratificarea păstrează proporția claselor, deci are nevoie de clase. La regresie folosește KFold(n_splits=5, shuffle=True, random_state=0).

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

StratifiedKFold împarte datele astfel încât fiecare parte să aibă aceeași proporție a claselor ca setul întreg. Pentru asta, se uită la valorile din y și le numără. La o țintă continuă (prețuri, temperaturi, timpi de livrare), aproape fiecare valoare e unică, deci nu există clase de păstrat. Funcția verifică tipul țintei și acceptă doar binary și multiclass.

Greșeala apare când copiezi codul de validare de la o problemă de clasificare la una de regresie, sau când ținta, deși are puține valori, este de tip zecimal (1.0, 2.0, 2.5). Pentru regresie, KFold cu amestecare este alegerea normală. Dacă vrei totuși ca părțile să aibă distribuții asemănătoare ale țintei, poți stratifica după intervale ale ei: pd.qcut(y, 4, labels=False) dă 4 grupe, pe care le dai lui StratifiedKFold.split(X, grupe).

De ce apare: cauzele frecvente

1StratifiedKFold pentru regresie

Greșit
PYTHON
cv = StratifiedKFold(n_splits=3)
cross_val_score(LinearRegression(), X, pret, cv=cv)
Corect
PYTHON
cv = KFold(n_splits=3, shuffle=True, random_state=0)
cross_val_score(LinearRegression(), X, pret, cv=cv)

KFold împarte rândurile fără să se uite la țintă, deci funcționează pentru orice tip de y.

2Stratificare după intervale ale țintei

Greșit
PYTHON
StratifiedKFold(n_splits=4).split(X, pret)
Corect
PYTHON
grupe = pd.qcut(pret, 4, labels=False)
StratifiedKFold(n_splits=4, shuffle=True, random_state=0).split(X, grupe)

qcut transformă prețurile în 4 grupe de mărimi egale, deci stratificarea are clase de păstrat.

3Clasele sunt stocate ca numere zecimale

Greșit
PYTHON
y = np.array([0.0, 1.0, 0.0, 1.5])
StratifiedKFold(2).split(X, y)
Corect
PYTHON
y = np.array([0, 1, 0, 1])  # clase întregi
StratifiedKFold(2).split(X, y)

Valori ca 1.5 fac ținta continuous. Clasele reale se scriu ca întregi sau ca text.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead., pentru că folosește StratifiedKFold pe prețuri. Înlocuiește-l cu KFold cu amestecare (random_state=0), ca programul să afișeze câte scoruri au rezultat și R² mediu.

Codul care dă eroarea
PYTHON
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import StratifiedKFold, cross_val_score

# suprafata (m2) -> pret (mii euro)
X = [[40], [45], [50], [60], [65], [70], [80], [90], [100]]
y = [81.5, 90.2, 101.0, 119.8, 130.5, 139.9, 160.3, 180.1, 199.6]

cv = StratifiedKFold(n_splits=3)
scoruri = cross_val_score(LinearRegression(), X, y, cv=cv)
print("Scoruri:", len(scoruri))
print("R2 mediu:", round(scoruri.mean(), 2))
După reparație, programul afișează
Scoruri: 3
R2 mediu: 1.0
Indiciu

cv = KFold(n_splits=3, shuffle=True, random_state=0) și importă KFold.

Alte forme ale mesajului

  • ValueError: Supported target types are: ('binary', 'multiclass'). Got 'multilabel-indicator' instead.
  • ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous-multioutput' instead.

Cum o eviți pe viitor

Alege împărțirea după tipul problemei: clasificare = StratifiedKFold, regresie = KFold cu shuffle=True, serii de timp = TimeSeriesSplit, date grupate (mai multe rânduri pe client) = GroupKFold. Dacă dai cv=5 lui cross_val_score, scikit-learn alege singur: stratificat pentru clasificatori, KFold pentru regresori.

Întrebări frecvente

De ce cv=5 merge la regresie, iar StratifiedKFold(5) nu?

Pentru că, la cv=5, scikit-learn verifică dacă modelul e clasificator și abia atunci folosește StratifiedKFold. Pentru un regresor folosește KFold.

Ce înseamnă multilabel-indicator?

Că y este o matrice cu mai multe coloane 0/1 (un exemplu poate avea mai multe etichete). StratifiedKFold nu știe să stratifice așa ceva; folosește KFold sau o bibliotecă specializată.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.