...
Eroare Machine Learning · Etichete, clasificare și metrici

ValueError: Unknown label type: continuous. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values.

Pe scurt

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.

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

Ce înseamnă

Clasificatorii (LogisticRegression, DecisionTreeClassifier, KNeighborsClassifier, SVC) învață să aleagă între câteva clase discrete: 0/1, „spam”/„normal”, specii de flori. scikit-learn verifică ținta înainte de antrenare, iar când vede valori zecimale precum 7.5, 123.4, 8.25, o clasifică drept continuous și refuză, cu o sugestie clară în mesaj: probabil încerci să antrenezi un clasificator pe o țintă de regresie.

Două situații tipice: ai ales modelul greșit (vrei să prezici prețul, dar ai scris LogisticRegression sau RandomForestClassifier), sau vrei clase, dar ținta a ajuns float (de exemplu 1.0, 0.0 amestecate cu un 0.5 dintr-o medie, ori o etichetă calculată prin împărțire). Valorile 1.0 și 0.0 singure sunt acceptate; problema e orice valoare care nu e întreagă.

De ce apare: cauzele frecvente

1Clasificator folosit pentru o țintă numerică

Greșit
PYTHON
model = LogisticRegression()
model.fit(X, df["pret"])  # 120.5, 98.3, ...
Corect
PYTHON
model = LinearRegression()
model.fit(X, df["pret"])

Prețul e o valoare continuă, deci se prezice cu un model de regresie, care nu are restricția de clase.

2Vrei clase, dar ai lăsat ținta numerică

Greșit
PYTHON
y = df["nota"]  # 4.5, 7.25, 9.0
DecisionTreeClassifier().fit(X, y)
Corect
PYTHON
y = (df["nota"] >= 5).astype(int)  # 1 = promovat
DecisionTreeClassifier().fit(X, y)

Pragul transformă nota într-o clasă 0/1, iar clasificatorul învață să prezică promovarea.

3Varianta Classifier aleasă în loc de Regressor

Greșit
PYTHON
RandomForestClassifier().fit(X, df["durata_livrare"])
Corect
PYTHON
RandomForestRegressor().fit(X, df["durata_livrare"])

Aproape fiecare model are două variante; pentru valori continue folosești ...Regressor.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Unknown label type: continuous, pentru că un clasificator primește notele elevilor, cu zecimale. Repară-l: creează ținta promovat (1 dacă nota este cel puțin 5, altfel 0) și antrenează clasificatorul pe ea, ca programul să afișeze clasele învățate și predicția pentru un elev cu 6 ore de studiu.

Codul care dă eroarea
PYTHON
import pandas as pd
from sklearn.tree import DecisionTreeClassifier

df = pd.DataFrame({
    "ore_studiu": [1, 2, 3, 5, 7, 8, 10, 4],
    "nota": [3.5, 4.25, 4.75, 6.5, 8.0, 8.5, 9.75, 5.5],
})
X = df[["ore_studiu"]]
y = df["nota"]
model = DecisionTreeClassifier(random_state=0).fit(X, y)
print("Clase:", model.classes_.tolist())
print("6 ore:", model.predict(pd.DataFrame({"ore_studiu": [6]}))[0])
După reparație, programul afișează
Clase: [0, 1]
6 ore: 1
Indiciu

Construiește ținta cu (df["nota"] >= 5).astype(int).

Alte forme ale mesajului

  • ValueError: Unknown label type: 'continuous'
  • ValueError: Unknown label type: continuous-multioutput

Cum o eviți pe viitor

Înainte să alegi modelul, uită-te la țintă: y.unique() și y.dtype. Valori continue înseamnă regresie, un număr mic de categorii înseamnă clasificare. Dacă vrei clase dintr-o valoare numerică, creează-le explicit (pd.cut, un prag) și transformă rezultatul în întregi. sklearn.utils.multiclass.type_of_target(y) îți spune exact cum vede scikit-learn ținta ta.

Întrebări frecvente

Ținta mea are doar 0.0 și 1.0, dar e float. E o problemă?

Nu. scikit-learn le recunoaște ca două clase (binary). Eroarea apare doar când există valori care nu sunt întregi, de exemplu 0.5.

Pot folosi regresia logistică pentru prețuri?

Nu. În ciuda numelui, regresia logistică este un model de clasificare: prezice probabilitatea unei clase. Pentru prețuri folosești regresie liniară, Ridge, arbori sau păduri de regresie.

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.