基于Python的KNN分类器代码报错排查：我的代码问题在哪？

问题场景与错误信息 #

我正在完成课程作业，需使用KNN构建分类器并报告准确率，运行代码时出现如下错误：

Traceback (most recent call last):
File "c:\Users\jazzm\OneDrive\Desktop\python\HWK6.py", line 20, in 
classifier.fit(x_train, y_train)
File "C:\Users\jazzm\OneDrive\Desktop\python.venv\lib\site-packages\sklearn\neighbors_classification.py", line 207, in fit
return self._fit(X, y)
File "C:\Users\jazzm\OneDrive\Desktop\python.venv\lib\site-packages\sklearn\neighbors_base.py", line 429, in _fit
check_classification_targets(y)
File "C:\Users\jazzm\OneDrive\Desktop\python.venv\lib\site-packages\sklearn\utils\multiclass.py", line 200, in check_classification_targets
raise ValueError("Unknown label type: %r" % y_type)
ValueError: Unknown label type: 'continuous'

我的代码如下：

import pandas as PD
import numpy as np
import matplotlib.pyplot as mtp

data_set= PD.read_csv('hw6.data.csv.gz')

x= data_set.iloc[:,[2,3]].values
y= data_set.iloc[:, 4].values

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test= train_test_split(x,y, test_size=.25, random_state=0)

from sklearn.preprocessing import StandardScaler
st_x= StandardScaler()
x_train= st_x.fit_transform(x_train)
x_test= st_x.transform(x_test)

from sklearn.neighbors import KNeighborsClassifier
classifier= KNeighborsClassifier(n_neighbors=5, metric='minkowski', p=2)
classifier.fit(x_train, y_train)

y_pred= classifier.predict(x_test)

错误原因 #

KNeighborsClassifier是分类模型，要求输入的标签（y值）必须是离散的类别（比如0/1、A/B/C这类离散值），但你的y是连续型数值，所以模型报错。

解决步骤 #

1. 先确认标签列的情况 #

先运行以下代码，查看y的类型和取值：

print(y.dtype)
print(np.unique(y))

根据输出结果分两种情况处理：

2. 情况一：任务确实是分类 #

如果你的任务目标是分类，但y是连续值，需要把连续值转换成离散类别：

• 方法1：按阈值划分成两类

  # 示例：将大于5的设为1，小于等于5的设为0
  y = np.where(y > 5, 1, 0)
  

• 方法2：分箱成多类别

  # 示例：将y分成3个区间，对应标签0、1、2
  y = PD.cut(y, bins=3, labels=[0,1,2])
  

同时还要确认你选的第5列（索引4）是不是正确的分类标签列，别误选了连续型特征列。

3. 情况二：任务实际是回归 #

如果你的目标是预测连续数值（回归任务），那应该用KNN回归器替代分类器：

# 替换分类器为回归器
from sklearn.neighbors import KNeighborsRegressor
regressor = KNeighborsRegressor(n_neighbors=5, metric='minkowski', p=2)
regressor.fit(x_train, y_train)
y_pred = regressor.predict(x_test)

# 用回归指标评估（比如均方误差）
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(y_test, y_pred)
print(f"均方误差：{mse}")

内容的提问来源于stack exchange，提问作者Jazzmine McLeod