Python未来警告消息

我正在Jupyter笔记本中使用Python 3.7。我根据Jason Brownlee的电子书《Python机器学习精通》创建分类模型。代码基本上是从电子书中剪切粘贴到Jupyter笔记本中的。当我分割数据时，模型工作正常，但当我使用k-fold交叉验证时，它会生成一条警告消息，我将剪切并粘贴下面的代码和消息。我输入了error_score=np.nan，它没有解决问题，但我不知道应该在哪里输入代码。我希望得到任何建议，但请记住我是个新手。谢谢

#逻辑回归分类

        from pandas import read_csv
        from sklearn.model_selection import KFold
        from sklearn.model_selection import cross_val_score
        from sklearn.linear_model import LogisticRegression
        df = pd.read_csv('Diabetes_Classification.csv')
        array = df.values
        X = array[:,0:8]
        Y = array[:,8]
        kfold = KFold(n_splits=10, random_state=7)
        model = LogisticRegression(solver='liblinear')
        error_score = np.nan
        results = cross_val_score(model, X, Y, cv=kfold)
        print(results.mean())
        # Logistic Regression Classification
        from pandas import read_csv
        from sklearn.model_selection import KFold
        from sklearn.model_selection import cross_val_score
        from sklearn.linear_model import LogisticRegression
        df = pd.read_csv('Diabetes_Classification.csv')
        array = df.values
        X = array[:,0:8]
        Y = array[:,8]
        kfold = KFold(n_splits=10, random_state=7)
        model = LogisticRegression(solver='liblinear')
        error_score = np.nan
        results = cross_val_score(model, X, Y, cv=kfold)
        print(results.mean())

---

ValueError回溯（最近一次调用）
在里面
11模型=逻辑回归（solver='liblinear'）
12错误_分数=np.nan
--->13结果=交叉评分（模型，X，Y，cv=kfold）
14打印（results.mean（））
~/opt/anaconda3/lib/python3.7/site-packages/sklearn/model\u selection//u validation.py in
交叉值得分（估计器、X、y、组、得分、简历、n工作、详细信息、拟合参数、预调度、，
错误（U分数）
389拟合参数=拟合参数，
390预调度=预调度，
-->391错误分数=错误分数）
392返回简历结果[“测试分数”]
393
~/opt/anaconda3/lib/python3.7/site-packages/sklearn/model\u selection//u validation.py in
交叉验证（估计器、X、y、组、评分、cv、n工作、详细、拟合参数、预调度、，
返回值（训练分数、返回值估计器、误差分数）
230返回次数=真，返回估计数=返回估计数，
231错误分数=错误分数）
-->232列车，等速分段试验（X、y、组））
233
234 zip_分数=列表（zip（*分数））
调用中的~/opt/anaconda3/lib/python3.7/site-packages/joblib/parallel.py（self，iterable）
919#剩余工作。
920自迭代=错误
-->921如果自行调度一批（迭代器）：
922 self.\u iterating=self.\u original\u iterator不是None
923
~/opt/anaconda3/lib/python3.7/site-packages/joblib/parallel.py在一批（self，
迭代器）
757返回错误
758其他：
-->759自我派遣（任务）
760返回真值
761
~/opt/anaconda3/lib/python3.7/site-packages/joblib/parallel.py in_dispatch（self，batch）
714带自锁：
715作业idx=len（自作业）
-->716作业=self.\u后端.apply\u异步（批处理，回调=cb）
717#一个作业完成的速度比它的回调速度要快
718#在我们到达这里之前打电话，导致self.#你的工作
~/opt/anaconda3/lib/python3.7/site-packages/joblib//\u parallel\u backends.py in apply\u async（self，
func，
（回拨）
180 def apply_async（self、func、callback=None）：
181“计划要运行的func”
-->182结果=立即结果（func）
183如果回调：
184回调（结果）
~/opt/anaconda3/lib/python3.7/site-packages/joblib//\u parallel\u backends.py in\uuuuuuuu init\uuuuu（self，
批次）
547#不要延迟应用程序，以免保留输入
548#内存中的参数
-->549 self.results=batch（）
550
551 def get（自我）：
调用中的~/opt/anaconda3/lib/python3.7/site-packages/joblib/parallel.py（self）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~/opt/anaconda3/lib/python3.7/site-packages/joblb/parallel.py in（.0）
223具有并行_后端（self._后端，n_作业=self._n_作业）：
224返回[func（*args，**kwargs）
-->225用于自身项目中的func、ARG、kwargs]
226
227定义长度（自）：
~/opt/anaconda3/lib/python3.7/site-packages/sklearn/model\u selection//u validation.py in\u
拟合和分数（估计器、X、y、计分器、训练、测试、详细、参数、拟合参数、，
返回训练分数，返回参数，返回测试样本，返回次数，返回估计器，
错误（U分数）
514估算器拟合（X列，**拟合参数）
515其他：
-->516估算器拟合（X_序列、y_序列、**拟合参数）
517
518例外情况除外，如e：
~/opt/anaconda3/lib/python3.7/site-packages/sklearn/linear_model/logistic.py in fit（self，X，y，
样品（单位重量）
1531 X，y=check_X_y（X，y，accept_sparse='csr'，dtype=\u dtype，order=“C”，
1532接受\u大\u稀疏=解算器！=“liblinear”）
->1533检查分类目标（y）
1534 self.classes=np.unique（y）
1535个n_样本，n_特征=X形状
~/opt/anaconda3/lib/python3.7/site-packages/sklearn/utils/multiclass.py in
检查\u分类\u目标（y）
167如果y_类型不在['binary'、'multiclass'、'multiclass multioutput'中，
168“多标签指示器”、“多标签序列”]：
-->169提升值错误（“未知标签类型：%r”%y\u类型）
170
171
ValueError:未知的标签类型：“连续”

问题在于，您的目标是连续的，您正在执行分类任务。确保使用目标的列是分类的。您可能需要将其转换为整数。所有这些都在回溯中报告：

check_classification_targets(y)
    167     if y_type not in ['binary', 'multiclass', 'multiclass-multioutput',
    168                       'multilabel-indicator', 'multilabel-sequences']:
    --> 169         raise ValueError("Unknown label type: %r" % y_type)

您的目标不在接受的目标中。你的目标是持续的：

ValueError: Unknown label type: 'continuous'

检查目标是否为带有

df.dtypes

的整数，如果不是，则将其更改为整数

Y = array[:,8].astype(int)

这是假设您没有犯在连续数据上进行分类任务的错误

ValueError: Unknown label type: 'continuous'

Y = array[:,8].astype(int)

np.unique(array[:, 8])