使用DecisionTreeClassifier拟合时报错：ValueError: Unknown label type: 'continuous'

嘿，我一眼就揪出问题所在啦！咱们来一步步理清楚：

错误根源 #

你用了分类模型（DecisionTreeClassifier）来处理回归任务，这就是报错的核心原因！
DecisionTreeClassifier是专门给分类任务设计的，它要求目标变量y是离散的类别标签（比如0/1、"晴天"/"雨天"这类），但你的y是Time——这是一个连续的数值（行程时间），属于回归任务的范畴，分类模型自然识别不了这种连续标签，所以抛出了这个错误。

修复方案 #

把分类树换成回归树DecisionTreeRegressor就搞定了，修改后的代码如下：

import pandas as pd
from sklearn.tree import DecisionTreeRegressor  # 替换成回归器
times = pd.read_csv('SC.csv')
X = times.drop(columns=['Time'])
y = times['Time']  # 简化写法，直接提取Time列的Series
model = DecisionTreeRegressor()
model.fit(X, y)

额外小提醒 #

• 区分任务类型小技巧：目标变量是连续数值（比如时间、价格、温度）就用回归模型；是离散类别就用分类模型。
• 原代码里y = times.drop(columns=['distance'])返回的是DataFrame，更规范的写法是直接取Series：y = times['Time']，这样和模型的输入要求更匹配哦。

内容的提问来源于stack exchange，提问作者user13898619