Machine learning 机器学习模型don'；无法处理连续数据

我试图建立一个机器学习模型，根据棒球运动员的击球率和命中率预测棒球运动员的平均击球率。自：

Batting Average = Hits/At Bats

我认为这种关系相对比较容易发现。但是，由于击球平均值是浮动的（即0.300），因此我尝试的所有型号都返回以下错误：

ValueError: Unknown label type: 'continuous'

我用的是SKL模型。我试过逻辑回归，随机森林分类，线性回归。他们都有同样的问题

通过阅读其他有关此错误的StackOverflow帖子，我开始这样做：

lab_enc = preproccessing.LabelEncoder()
y = pd.DataFrame(data=lab_enc.fit_transform(y))

这似乎改变了值，比如0.227到136，这对我来说很奇怪。可能只是因为我不太明白转换在做什么。如果可能的话，我宁愿只使用实际的击球平均值

---

在预测连续值时，是否有方法获得我尝试使用的模型？

您试图解决的问题属于回归（即数值预测）环境，并且它肯定可以通过ML算法处理

我用的是SKL模型。我试过逻辑回归，随机森林分类，线性回归。他们都有同样的问题

您在这里提到的前两个算法（逻辑回归和随机森林分类器）用于分类问题，因此不适合您的（回归）设置（它们预期会产生您提到的错误）。然而，线性回归是合适的，在这里应该可以很好地工作

---

首先，请坚持线性回归，以便说服自己它确实能够处理问题；随后，您可以扩展到其他scikit学习算法，如RandomForestRegressionor等。如果您遇到任何问题，请使用特定的代码和错误打开一个新问题。

谢谢您的回复。当我使用LinearRegression时，会出现以下错误：“ValueError:不支持continuous”。同样的错误也适用于RandomForestRegressionor。@VirtuallyRealistic如我所说，既然您已经可以缩小问题的范围（即，您知道您尝试过的一些模型确实不适用），请1）接受答案2）打开一个新的问题并提供详细信息（你在这里提到的错误与你在帖子中提到的错误甚至不一样）