ValueError: Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.
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
cv = StratifiedKFold(n_splits=3)
cross_val_score(LinearRegression(), X, pret, cv=cv)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
StratifiedKFold(n_splits=4).split(X, pret)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
y = np.array([0.0, 1.0, 0.0, 1.5])
StratifiedKFold(2).split(X, y)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 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.
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))Scoruri: 3 R2 mediu: 1.0
Indiciu
cv = KFold(n_splits=3, shuffle=True, random_state=0) și importă KFold.
Reparația
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import KFold, 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 = KFold(n_splits=3, shuffle=True, random_state=0)
scoruri = cross_val_score(LinearRegression(), X, y, cv=cv)
print("Scoruri:", len(scoruri))
print("R2 mediu:", round(scoruri.mean(), 2))De ce merge
Prețurile sunt valori continue: fiecare apare o singură dată, deci StratifiedKFold n-are clase pe care să le păstreze în proporție. KFold împarte rândurile în 3 părți fără să se uite la țintă, iar shuffle=True cu random_state=0 face împărțirea amestecată și reproductibilă. Prețul crește aproape perfect liniar cu suprafața, deci R² mediu iese aproape de 1.
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
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: Setting a random_state has no effect since shuffle is False. You should leave random_state to its default (None), or set shuffle=True. Ai dat random_state lui KFold sau StratifiedKFold fără shuffle=True. Fără amestecare, împărțirea în părți e mereu aceeași, deci random_state nu are ce controla. Adaugă shuffle=True (de obicei asta ai vrut) sau scoate random_state. ValueError: The least populated classes in y have only 1 member, which is too few. The minimum number of groups for any class cannot be less than 2. Ai folosit train_test_split cu stratify=y, iar o clasă apare o singură dată, deci nu poate fi pusă și în train, și în test. Adună mai multe exemple pentru clasa rară, unește-o cu o clasă înrudită sau elimină rândul ei înainte de împărțire. 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.
