Python ValueError：分类指标可以'；无法处理未知目标和二进制目标的混合？

我很确定我的随机森林模型是有效的。当我看到预测和测试集中的实际类时，它们非常匹配。第一部分是对分类数据进行编码：

Y_train[Y_train == 'Blue'] = 0.0
Y_train[Y_train == 'Green'] = 1.0
Y_test[Y_test == 'Blue'] = 0.0
Y_test[Y_test == 'Green'] = 1.0

rf = RandomForestRegressor(n_estimators=50)
rf.fit(X_train, Y_train)
predictions = rf.predict(X_test)

for i in range(len(predictions)):
    predictions[i] = predictions[i].round()

print(predictions)
print(Y_test)

print(confusion_matrix(Y_test, predictions))

当我运行此代码时，我成功地打印了

预测

和

Y_测试

：

[1. 1. 1. 0. 1. 0. 0. 1. 1. 1. 1. 0. 0. 0. 1. 0. 1. 0. 1. 0. 0. 1. 0. 1.
 1. 0. 1. 1. 1. 0. 1. 0. 1. 1. 0. 0. 0. 0. 1. 1. 0. 1. 0. 1. 1. 0. 1. 0.
 0. 0. 0. 0. 1. 1. 0. 1. 1. 1. 1. 1. 1. 0. 0. 1. 0. 0. 1. 0. 1. 1. 1. 0.
 0. 1. 0. 1. 1. 1. 1. 0. 0. 0. 1. 1. 1. 1. 1. 1. 0. 0. 0. 0. 1. 1. 0. 1.
 0. 0. 0. 0.]
615    1
821    1
874    1
403    0
956    1
      ..
932    1
449    0
339    0
191    0
361    0
Name: Colour, Length: 100, dtype: object

如您所见，它们完全匹配，因此模型工作正常。我遇到的问题是最后一部分，当我尝试使用scikit learn中的

混淆矩阵（）

函数时，我遇到以下错误：

    Traceback (most recent call last):
  File "G:\Work\Colours.py", line 101, in <module>
    Main()
  File "G:\Work\Colours.py", line 34, in Main
    RandForest(X_train, Y_train, X_test, Y_test)
  File "G:\Work\Colours.py", line 97, in RandForest
    print(confusion_matrix(Y_test, predictions))
  File "C:\Users\Me\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\metrics\classification.py", line 253, in confusion_matrix
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)
  File "C:\Users\Me\AppData\Local\Programs\Python\Python37\lib\site-packages\sklearn\metrics\classification.py", line 81, in _check_targets
    "and {1} targets".format(type_true, type_pred))
ValueError: Classification metrics can't handle a mix of unknown and binary targets

回溯（最近一次呼叫最后一次）：
文件“G:\Work\colors.py”，第101行，在
Main（）
文件“G:\Work\colors.py”，第34行，主目录
RandForest（X_训练，Y_训练，X_测试，Y_测试）
文件“G:\Work\colors.py”，第97行，在RandForest中
打印（混淆矩阵（Y检验，预测））
文件“C:\Users\Me\AppData\Local\Programs\Python37\lib\site packages\sklearn\metrics\classification.py”，第253行，在混乱矩阵中
y_type，y_true，y_pred=_check_targets（y_true，y_pred）
文件“C:\Users\Me\AppData\Local\Programs\Python37\lib\site packages\sklearn\metrics\classification.py”，第81行，在检查目标中
“和{1}目标”。格式（type_true，type_pred））
ValueError：分类指标无法处理未知目标和二进制目标的混合

我可以对这两个数据集中的任何一个做些什么，以使

composition\u matrix（）

函数不会抛出任何类型错误

---

编辑-

预测

和

Y_测试

都是相同的形状，

（100，）

您必须比较具有相同维度的矩阵，因此如果预测包含一列850行的矩阵（例如），Y_测试必须是一列850行的矩阵

---

打印（混淆矩阵（Y_测试[1]，预测））

您必须比较具有相同维度的矩阵，因此如果预测包含一列850行的矩阵（例如），Y_测试必须是一列850行的矩阵

---

打印（混淆矩阵（Y_测试[1]，预测））

通过对分类数据进行如下编码来修复：

for i in range(len(Y_train)):
    if Y_train.iloc[i] == 'Blue':
        Y_train.iloc[i] = 0.0
    else:
        Y_train.iloc[i] = 1.0

for i in range(len(Y_test)):
    if Y_test.iloc[i] == 'Blue':
        Y_test.iloc[i] = 0.0
    else:
        Y_test.iloc[i] = 1.0

如果有人能告诉我为什么这会解决这个问题，这将是有益的

---

编辑-我找到了问题的真正原因。我用回归模型代替分类模型。愚蠢的错误。这一切都可以通过使用

RandomForestClassifier（）

而不是

RandomForestRegressor（）

来避免，而是通过如下方式编码分类数据：

for i in range(len(Y_train)):
    if Y_train.iloc[i] == 'Blue':
        Y_train.iloc[i] = 0.0
    else:
        Y_train.iloc[i] = 1.0

for i in range(len(Y_test)):
    if Y_test.iloc[i] == 'Blue':
        Y_test.iloc[i] = 0.0
    else:
        Y_test.iloc[i] = 1.0

如果有人能告诉我为什么这会解决这个问题，这将是有益的

---

编辑-我找到了问题的真正原因。我用回归模型代替分类模型。愚蠢的错误。使用

RandomForestClassifier（）

而不是

randomForestRegregator（）

可以避免这一切。不要使用

0.0

和

1.0

。例如：

Y\u-train[Y\u-train='Blue']=0

或只是

Y\u-train=Y\u-train='Green'

@quanghaang没有解决这个问题，不过还是要感谢：/don不要使用

0.0

和

1.0

。例如，do:

Y\u train[Y\u train='Blue']=0

或只是

Y\u train=Y\u train='Green'

@QuangHoang没有解决这个问题，不过谢谢：/I当我这样做的时候，我得到了一个

keyrerror:1

。

Y\u测试和
预测的形状都是
（100，）
当我这样做时，我得到一个
键错误：1
。
Y\u测试和
预测的形状都是
（100，）