SVC分类器fit方法报错ValueError: Unknown label type: 'continuous'怎么办

问题根因 #

SVC是sklearn提供的分类模型，要求输入的标签y必须是离散的分类值（二分类/多分类均可），你当前传入的y是连续数值类型，不符合分类模型的输入要求，因此触发Unknown label type: 'continuous'报错。

排查步骤 #

先执行以下两行代码确认标签情况：

# 查看y的数据类型
print(y.dtype)
# 查看y的所有唯一取值
print(y.unique())

对应解决方案 #

场景1：你需要做分类任务 #

说明你的标签未做离散化处理，需要将连续的y值映射为离散分类标签：

• 二分类场景：设定阈值将y转为0/1标签，示例代码：

  # 例如以y的中位数为阈值，大于阈值为1，小于为0
  threshold = y.median()
  y = (y > threshold).astype(int)
  

• 多分类场景：将连续y分桶为多个离散类别，示例代码：

  import pandas as pd
  # 例如将y平均分为3个分类区间，对应标签0、1、2
  y = pd.cut(y, bins=3, labels=[0,1,2]).astype(int)
  

处理完标签后再重新拆分数据集、训练SVC即可。

场景2：你需要做连续值预测的回归任务 #

不要使用用于分类的SVC，替换为支持向量回归模型SVR即可，训练代码修改为：

from sklearn.svm import SVR
regressor = SVR(kernel = 'linear', random_state = 0)
regressor.fit(X_train, y_train)

内容的提问来源于stack exchange，提问作者Saif_adib