sklearn模型训练报错：ValueError: Unknown label type: 'unknown'

以你之姓@ 2022-01-27 09:59 579阅读 0赞

测试一个简单的LogisticRegression模型，代码如下：

import numpy as np
    import pandas as pd
    from sklearn.cross_validation import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.decomposition import PCA
    from sklearn.linear_model import LogisticRegression
    from sklearn.pipeline import Pipeline
    
    df = pd.read_csv('breast-cancer.data')
    df = df.replace(to_replace='?', value=np.nan)
    df = df.dropna(how='any')    # 去掉所有的含有缺失值的数据
    X = df.values[:, 1:-1]
    y = df.values[:,-1]         # 这部分出错了
    
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
    pi_line = Pipeline([('sc', StandardScaler()),
                        ('pca', PCA(n_components = 2)),
                        ('clf', LogisticRegression(random_state=1)),
                        ])
    
    pi_line.fit(X_train, y_train)
    print('res:')
    print(pi_line.score(X_test, y_test))

出现错误：**ValueError: Unknown label type: 'unknown’**

169     if y_type not in ['binary', 'multiclass', 'multiclass-multioutput',
        170                       'multilabel-indicator', 'multilabel-sequences']:
    --> 171         raise ValueError("Unknown label type: %r" % y_type)
        172 
        173

从错误栈信息来看，应该是标签数据集的类型出错了，那么使用`dtype`打印一下数据类型看看（不要使用`type`函数，这样会发现都是int类型的），发现这时候的标签数据类型是`object`，这样sklearn是无法识别的，所以使用`astype('int')`进行强制转化即可：

y = y.astype('int')