Question

在运行随机森林回归模型时，运行混淆矩阵时出现错误。该模型可以预测y_pred，但由于无法运行精度矩阵，因此无法检查精度。

数据类型：

type(y_test)
Out[124]: numpy.ndarray

type(y_pred)
Out[125]: numpy.ndarray

下面是我的混淆矩阵代码：

from sklearn.metrics import confusion_matrix
matrix = confusion_matrix(y_test, y_pred)

print(matrix)

from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)

错误：

confusion_matrix(y_test, y_pred)

Traceback (most recent call last):

File "<ipython-input-121-7a3dbcfd18a0>", line 1, in <module>
confusion_matrix(y_test, y_pred)

File "/Users/srikantswamy/anaconda3/lib/python3.6/site-packages/sklearn  /metrics/classification.py", line 253, in confusion_matrix
y_type, y_true, y_pred = _check_targets(y_true, y_pred)

File "/Users/srikantswamy/anaconda3/lib/python3.6/site-packages/sklearn /metrics/classification.py", line 88, in _check_targets
raise ValueError("{0} is not supported".format(y_type))

ValueError: continuous is not supported

Answer 1

监督学习解决的主要问题是回归和分类。区分它们有不同的方法，但是基本上，如果您的输出是连续的，比如说您输入一个向量并期望一个实数作为输出，则您将面临回归问题，而如果您的输出包含类（离散输出），例如，您输入一个向量并期望是或否，0到9之间的数字，某种动物等。您正面临分类问题。

在分类问题中，您可以使用诸如准确性，分类错误，交叉熵，f1得分等指标，因为它们依赖于检查输入是否在正确的类别中进行了预测，但是无法在回归中进行问题，只是想像一下具有无限类的混淆矩阵。在回归分析中，常见的度量标准是例如均方误差和平均绝对误差。

结论：

如果您遇到分类问题，则应切换到其他模型，例如“随机森林分类器”。
如果您面临回归问题，则应改用其他指标，例如均方误差。使用此指标的有用可视化可能是错误的直方图。

Answer 2

给出一个简单的答案：混淆矩阵是一个经常用于描述分类模型（或“分类器”）性能的表。在您的情况下，您试图找到连续变量的混淆矩阵。对于回归，请使用均方误差。看看本讲座pdf：http://www.it.uu.se/edu/course/homepage/sml/lectures/lecture3_handout.pdf

机器学习：混淆矩阵中出现错误

2 个答案: