精度スコア：ValueError：バイナリと連続のミックスを処理できません

Question

私は予測モデルとしてscikit-learnからlinear_model.LinearRegressionを使用しています。それは動作し、それは完璧です。 precision_scoreメトリックを使用して予測結果を評価するのに問題があります。 これは私の真のデータです：

array([1, 1, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0]) 

そして、これは私の予測データである：

array([ 0.07094605, 0.1994941 , 0.19270157, 0.13379635, 0.04654469, 
    0.09212494, 0.19952108, 0.12884365, 0.15685076, -0.01274453, 
    0.32167554, 0.32167554, -0.10023553, 0.09819648, -0.06755516, 
    0.25390082, 0.17248324]) 

マイコード：

accuracy_score(y_true, y_pred, normalize=False) 

そして、これはエラーメッセージです：

"ValueError: Can't handle mix of binary and continuous"

ヘルプ？ありがとうございました。

Answer 1

accuracy_score(y_true, y_pred.round(), normalize=False) 

あなたがしきい値を使用 (y_pred>threshold).astype(int)代わりのthresholdは、2つのクラスを分離するために、あなたの価値あるy_pred.round()上のより多くの制御を持っていることを好む場合。

Answer 2

実際のyはバイナリ（0と1）ですが、予測はありません。おそらく確率を生成し、予測ではないので、結果： 代わりにクラスメンバシップを生成しようとすると、うまくいきます！

Answer 3

accuracy_scoreは分類メトリックです。回帰問題には使用できません。

JohnnyQがすでに指摘したように、問題は、私は、あなたがあなたのy_predで非バイナリ（いない0でも1）の値を持っていることです。

You can see the available regression metrics here

Answer 4

は多分これがこの質問を見つけた誰かを助けます。 e。追加時に

print(((y_pred != 0.) & (y_pred != 1.)).any()) 

出力にはTrueが表示されます。 （このコマンドは、0または1以外の値があるかどうかを調べます）。

あなたが使用して非バイナリ値を見ることができます：

non_binary_values = y_pred[(y_pred['score'] != 1) & (y_pred['score'] != 0)] 
non_binary_idxs = y_pred[(y_pred['score'] != 1) & (y_pred['score'] != 0)].index 

print文を出力することができる上記の誘導体化した変数。

最後に、この関数はすべて非バイナリエントリのデータをきれいにすることができます：

def remove_unlabelled_data(X, y): 
    drop_indexes = X[(y['score'] != 1) & (y['score'] != 0)].index 
    return X.drop(drop_indexes), y.drop(drop_indexes)