ValueError: Unknown label type: unknown. Maybe you are trying to fit a classifier, which expects discrete classes on a regression target with continuous values.
Ținta y are tipul object (numere ținute ca obiecte Python), iar clasificatorul nu-și dă seama ce fel de etichete sunt. Apare des după df.values pe un tabel cu coloane text. Convertește ținta explicit: y = y.astype(int) sau ia y direct din coloana DataFrame-ului.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Înainte de antrenare, scikit-learn verifică tipul țintei cu type_of_target: binary, multiclass, continuous... Când y este un tablou numpy cu dtype=object care conține numere, funcția nu poate decide și întoarce unknown. Partea a doua a mesajului, despre regresie, e doar o presupunere generală și aici te poate încurca: valorile tale chiar sunt clase, doar că au un tip de date nepotrivit.
Cel mai des se ajunge aici cu data = df.values (sau to_numpy()) pe un tabel care are și coloane text: numpy pune tot tabelul într-un singur tip, object, deci și coloana țintă devine object. Mai apare la liste construite cu None, la coloane pandas de tip object rezultate dintr-un apply sau la ținte citite din JSON. Afișează y.dtype: dacă vezi object, convertește cu astype(int) sau selectează coloanele din DataFrame, nu din df.values.
De ce apare: cauzele frecvente
1df.values pe un tabel cu coloane text
data = df.values # are și coloana 'oras'
X, y = data[:, 1:2], data[:, 2]
model.fit(X, y)X = df[["minute"]]
y = df["cumparat"]
model.fit(X, y)Selectând din DataFrame, fiecare coloană își păstrează tipul ei (int64), nu tipul comun object.
2Ținta are tipul object
y = np.array([0, 1, 0, 1], dtype=object)
model.fit(X, y)y = np.array([0, 1, 0, 1], dtype=object).astype(int)
model.fit(X, y)După astype(int) ținta are un tip numeric clar, iar scikit-learn o recunoaște ca binary.
3Coloană pandas object după apply
df["clasa"] = df["scor"].apply(lambda s: 1 if s > 50 else 0).astype(object)
model.fit(X, df["clasa"])df["clasa"] = (df["scor"] > 50).astype(int)
model.fit(X, df["clasa"])O comparație vectorizată urmată de astype(int) dă direct o coloană numerică.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Unknown label type: unknown, pentru că df.values transformă tot tabelul în tipul object, inclusiv ținta. Repară-l: convertește y în numere întregi, ca programul să afișeze tipul țintei și predicția pentru 14 minute.
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
df = pd.DataFrame({
"oras": ["Cluj", "Iasi", "Cluj", "Iasi", "Cluj", "Iasi"],
"minute": [2, 15, 3, 20, 1, 12],
"cumparat": [0, 1, 0, 1, 0, 1],
})
data = df.values
X = data[:, 1:2]
y = data[:, 2]
model = DecisionTreeClassifier(random_state=0).fit(X, y)
print("y este numeric:", y.dtype != object)
print("Predictie pentru 14 minute:", model.predict([[14]])[0])y este numeric: True Predictie pentru 14 minute: 1
Indiciu
Scrie y = data[:, 2].astype(int).
Reparația
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
df = pd.DataFrame({
"oras": ["Cluj", "Iasi", "Cluj", "Iasi", "Cluj", "Iasi"],
"minute": [2, 15, 3, 20, 1, 12],
"cumparat": [0, 1, 0, 1, 0, 1],
})
data = df.values
X = data[:, 1:2]
y = data[:, 2].astype(int)
model = DecisionTreeClassifier(random_state=0).fit(X, y)
print("y este numeric:", y.dtype != object)
print("Predictie pentru 14 minute:", model.predict([[14]])[0])De ce merge
Pentru că tabelul are și coloana text oras, df.values pune totul într-un tablou object, iar clasificatorul nu poate stabili tipul țintei. astype(int) transformă ținta într-un tablou de numere întregi, recunoscut ca țintă binară. X poate rămâne object, pentru că scikit-learn îl convertește singur în numere zecimale. Arborele învață pragul dintre 3 și 12 minute, deci 14 minute înseamnă cumpărare (1).
Alte forme ale mesajului
ValueError: Unknown label type: 'unknown'ValueError: Unknown label type: (array([0, 1, 0, 1], dtype=object),)
Cum o eviți pe viitor
Evită df.values pe tabele care amestecă text și numere; selectează X și y din DataFrame după numele coloanelor. Verifică y.dtype înainte de fit și, dacă vrei să știi ce vede scikit-learn, rulează from sklearn.utils.multiclass import type_of_target; type_of_target(y): trebuie să vezi binary sau multiclass.
Întrebări frecvente
Valorile mele sunt 0 și 1. De ce nu le recunoaște?
Valorile sunt bune, tipul nu. Într-un tablou object, fiecare număr e un obiect Python separat, iar scikit-learn nu ghicește tipul în cazul acesta. y.astype(int) rezolvă problema.
Care e diferența față de Unknown label type: continuous?
continuous înseamnă că ținta chiar are valori zecimale (prețuri, temperaturi), deci probabil ai nevoie de un regresor. unknown înseamnă că tipul de date al țintei e neclar, de obicei object.
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: dtype='numeric' is not compatible with arrays of bytes/strings.Convert your data to numeric values explicitly instead. Ai dat modelului o listă sau un tablou numpy care conține texte, de exemplu ['Bucuresti', 50]. scikit-learn nu le transformă singur în numere. Codifică textul (OneHotEncoder, get_dummies) sau convertește valorile numerice scrise ca text cu astype(float). ValueError: could not convert string to float: 'Bucuresti' În X ai o coloană cu text (de exemplu orașul), iar modelul acceptă doar numere. Transformă coloanele de text în numere înainte de fit, cu pd.get_dummies sau OneHotEncoder, sau scoate-le din X dacă nu ai nevoie de ele. 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.
