Scikit-Learn：使用SGDClassifier拟合乳腺癌数据集时为何报ValueError: Unknown label type？

核心问题 #

你错误地将数据集的特征列当作了分类任务的标签y，导致SGDClassifier无法识别标签类型。

具体解释 #

• load_breast_cancer数据集的分类标签存储在breast_cancer["target"]中，是离散的二分类值（0代表恶性，1代表良性），符合SGDClassifier（分类器）对标签的要求。
• 你代码中y = breast_df["worst fractal dimension"]选取的是数据集里的一个连续数值型特征，不是分类标签。SGDClassifier默认用于分类任务，无法处理连续值作为标签的情况，因此抛出ValueError: Unknown label type。

修正后的分类任务代码 #

import pandas as pd
import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import train_test_split

breast_cancer = load_breast_cancer(as_frame=True)
# 特征矩阵X使用所有特征列
X = breast_cancer.data
# 标签y使用数据集自带的分类标签
y = breast_cancer.target

np.random.seed(42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = SGDClassifier()
model.fit(X_train, y_train)
print(model.score(X_test, y_test))

额外说明 #

如果你原本是想对"worst fractal dimension"这个连续值做预测（回归任务），那么应该使用SGDRegressor而不是SGDClassifier，代码示例如下：

import pandas as pd
import numpy as np
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import SGDRegressor
from sklearn.model_selection import train_test_split

breast_cancer = load_breast_cancer(as_frame=True)
breast_df = breast_cancer.data
X = breast_df.drop("worst fractal dimension", axis=1)
y = breast_df["worst fractal dimension"]

np.random.seed(42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = SGDRegressor()
model.fit(X_train, y_train)
print(model.score(X_test, y_test))

内容的提问来源于stack exchange，提问作者parham zargar