使用RandomForestRegressor时遇ValueError: continuous is not supported问题求助

核心问题 #

你使用了回归模型（RandomForestRegressor），却误用了分类任务专属的评估指标accuracy_score——这个指标仅适用于离散类别标签的匹配度计算，无法处理回归模型输出的连续数值，因此触发ValueError: continuous is not supported。

解决步骤 #

1. 替换评估指标
   回归任务需使用回归类评估指标，常用的有：

• r2_score：衡量模型对数据变异的解释程度（取值0-1，越接近1越好）
• mean_squared_error（MSE）：衡量预测值与真实值的平方误差均值
• mean_absolute_error（MAE）：衡量预测值与真实值的绝对误差均值

2. 修改代码示例
   首先导入所需的回归指标：

from sklearn.metrics import r2_score, mean_squared_error

然后替换原评估代码：

# 训练集评估
y_train_pred = completed_pl.predict(X_train)
print(f"训练集R²分数: {r2_score(y_train, y_train_pred):.2f}")
print(f"训练集均方误差: {mean_squared_error(y_train, y_train_pred):.2f}")

# 测试集评估
y_pred = completed_pl.predict(X_test)
print(f"测试集R²分数: {r2_score(y_test, y_pred):.2f}")
print(f"测试集均方误差: {mean_squared_error(y_test, y_pred):.2f}")

3. 优化命名（可选）
   Pipeline中的步骤命名建议与任务类型匹配，避免混淆：

completed_pl = Pipeline(
    steps=[
            ("preprocessor", preprocessor), 
            ("regressor", RandomForestRegressor())  # 将classifier改为regressor，更贴合回归任务
    ]
)

内容的提问来源于stack exchange，提问作者CrisTi