如何对LinearRegression使用accuracy_score？出现分类指标报错原因是什么？

报错直接原因 #

这个ValueError本质是分类评估指标accuracy_score对输入的真实标签、预测标签的类别匹配度校验失败导致的，具体触发逻辑如下：

• 你的真实标签y_test经过OrdinalEncoding处理后只有1~6共6个固定类别，scikit-learn会将其识别为标准的多分类（multiclass）目标
• 线性回归LinearRegression是回归模型，输出的是连续浮点值，哪怕你做了四舍五入、转整数处理，依然可能出现超出1~6范围的预测值（比如预测结果为0.4四舍五入得到0、6.7四舍五入得到7等），这些不在原有标签范围内的值会被识别为「未知目标（unknown targets）」
• 当accuracy_score同时收到类别完全匹配的多分类真实标签、包含未知类别的预测标签时，就会抛出你遇到的这个错误。

临时修复方案 #

如果你暂时想保留现有逻辑验证效果，可以在转整数之后加一步截断操作，把预测值限制在1~6的范围内，即可解决报错：

y_pred = np.round(y_pred)
y_pred = y_pred.astype(int)
# 新增截断逻辑
y_pred = np.clip(y_pred, a_min=1, a_max=6)
y_test = np.array(y_test)
print(accuracy_score(y_pred, y_test))

更合理的实现方案 #

线性回归本身是为回归任务（预测连续值）设计的，并不适合处理有序分类任务，哪怕做截断处理得到的准确率参考价值也很低。你可以直接更换为适配有序分类的模型，比如有序回归模型、随机森林分类器、支持向量分类器等，从根源避免预测值越界的问题。

内容的提问来源于stack exchange，提问作者NewCoder1423