Python 逻辑回归-值错误：分类指标可以'；t处理连续多输出和二进制目标的混合

我是一个数据科学的noob，我正在研究数据科学。我正在对其进行逻辑回归，以预测测试数据集中的乘客是否存活或死亡

我清理训练和测试数据，并对训练数据进行逻辑回归拟合。一切都好

train=pd.read\u csv（'train.csv'））
X_列车=列车坠落（“幸存”，轴=1）
y_列车=列车[‘幸存’]
从sklearn.linear_模型导入逻辑回归
logmodel=LogisticRegression（）
logmodel.fit（X_系列、y_系列）

然后，我对测试数据运行预测模型，如下所示：

test=pd.read\u csv（'test.csv'））
预测=对数模型。预测（测试）

然后我尝试打印混淆矩阵：

来自sklearn.metrics导入分类报告、混淆矩阵
打印（矩阵（测试、预测））

我得到一个错误，上面写着：

ValueError:分类指标无法处理以下组合 连续多输出和二进制目标

这意味着什么？我如何修复它

我看到的一些潜在问题是：

我对测试数据的预测模型做了一些非常愚蠢和错误的事情

特征“年龄”和“票价”的价值（乘客出行成本） 票证）为浮点数，其余为整数

---

我哪里做错了？谢谢你的帮助

假设你的

测试

包含布尔值（活的或死的），而你的

预测

包含浮点数（预测存活概率）。您应该选择一些阈值，然后根据预测概率是否大于阈值生成布尔值

假设你的

测试

包含布尔值（活的或死的），而你的

预测

包含浮点数（预测存活概率）。您应该选择一些阈值，然后根据预测概率是否大于阈值生成布尔值

正如m-dz所评论的，

混乱矩阵

，而在您的代码中，您通过了整个

测试

数据帧

此外，另一个问题是不尊重论点的顺序，这很重要

总而言之，你应该要求

混淆矩阵（测试['surved']，预测）

正如m-dz所评论的那样，

混乱矩阵

，而在您的代码中，您通过了整个

测试

数据帧

此外，另一个问题是不尊重论点的顺序，这很重要

总而言之，你应该要求

混淆矩阵（测试['surved']，预测）

检查

混淆矩阵

参数：，您应该通过两个数组，而不是整个测试数据集。检查

混淆矩阵

参数：，您应该通过两个数组，而不是整个测试数据集。仅当相关信息确实存在差距时，请使用“推测”。这里的情况根本不是这样，因为返回标签，而不是概率（后者由desertnaut返回）@desertnaut在相关信息中确实存在差距。

test.csv

包含一个数据帧，而不是一个序列，虽然与约定一致，但如果不去kaggle网站，就无法确定该数据帧，而

predict

返回标签只能通过查看文档来确定。就问题中给出的信息而言，

test

和

predictions

的内容都是未知的。让我试着提供一条友好的建议，因为SO的经验稍微丰富一点：1）文档中的信息总是相关且可用的2）在开始推测之前，在评论3）中要求澄清，根据错误的假设，继续争论一个明显错误（可以说是推测）的答案，而不考虑任何已经开始吸引反对票的具体代码建议是徒劳的。我们都会犯错误——补救可以补救的，抛弃不能补救的，继续下去……我并不认为我的回答是错误的，只是你的反对意见并不完全有效。坦率地说，如果有人在这样的网站上发布问题，而不费心说明他们的投入是什么，那么他们应该认为很有可能会出现问题。“没有任何具体的代码建议”我就如何解决我认为的问题给出了明确的指示。否决投票仍在继续，而你仍然没有抓住要点…：（仅当相关信息中确实存在空白时，请使用“推测”。这里根本不是这种情况，因为返回标签，而不是概率（后者由@desertnaut在相关信息中确实存在差距。

test.csv

包含一个数据帧，而不是一个系列，虽然符合约定，但不去kaggle网站就无法确定，

predict

返回标签只能通过查看文档来确定问题中给出的问题是，

测试

和

预测

的内容都是未知的。让我试着提供一条友好的建议，因为SO在这里的经验稍微丰富一些：1）文档中的信息总是相关且可用的2）在开始推测之前，在评论3）中要求澄清，根据错误的假设，继续争论一个明显错误（可以说是推测）的答案，而不考虑任何已经开始吸引反对票的具体代码建议是徒劳的。我们都会犯错误——补救可以补救的，抛弃不能补救的，继续下去……我并不认为我的回答是错误的，只是你的反对意见并不完全有效。坦率地说，如果有人在这样的网站上发布问题，而不费心说明他们的投入是什么，那么他们应该认为很有可能会出现问题。我给出的“没有任何具体的代码建议”