训练模型时遇'continuous'错误，从SVC切换至SVR需修改哪些部分？

一、解决'continuous'错误 #

你碰到的'continuous'错误，核心原因是LogisticRegression是分类模型，要求目标变量y是离散的类别值，但你的y_train/y_test是连续数值。

处理方案：

• 先明确任务类型：如果是分类任务，检查y的数据类型，将其转为类别型（比如y_train = y_train.astype('category')），或者确认数据本身是离散标签格式；如果是回归任务，直接替换成回归类模型（比如LinearRegression、SVR等）。
• 同时排查数据是否存在异常值或格式问题，确保y的取值符合分类任务的离散要求。

二、从SVC切换到SVR的修改要点 #

SVC是支持向量分类器，SVR是支持向量回归器，分别对应分类、回归任务，需修改以下关键部分：

1. 模型导入与初始化 #

原SVC示例代码：

from sklearn.svm import SVC
clf_svc = SVC()

修改为SVR：

from sklearn.svm import SVR
clf_svr = SVR()  # 可按需调整核函数、正则化参数，比如SVR(kernel='rbf', C=1.0)

2. 评估指标替换 #

分类任务用的accuracy_score、f1_score不适合回归任务，需替换为回归类指标：

from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

# 训练预测后计算指标
pred = clf_svr.predict(X_test)
mae = mean_absolute_error(y_test, pred)
mse = mean_squared_error(y_test, pred)
r2 = r2_score(y_test, pred)

print(f"SVR MAE: {mae}")
print(f"SVR MSE: {mse}")
print(f"SVR R² Score: {r2}")

3. 任务逻辑确认 #

确保你的任务确实是回归任务（目标变量为连续值），如果是分类任务，不要切换到SVR，否则会导致模型逻辑错误。

内容的提问来源于stack exchange，提问作者Isabel Rosa Das Neves