Sklearn实现逻辑回归报Unknown label type 'continuous'错误求解

你出现该报错的核心原因是工具链误用，触发了标签类型转换：

• TransformedTargetRegressor是为回归任务设计的工具类，作用是对回归任务的连续目标变量做预变换，而逻辑回归是分类算法，本身不应该套入该类使用。
• 你为Y指定了StandardScaler变换，哪怕原始Y是0/1的二值整数，在模型拟合阶段，TransformedTargetRegressor会自动调用yscaler对输入的Y做标准化，输出为均值为0、方差为1的连续浮点数值，逻辑回归作为分类模型，无法识别连续型的分类标签，因此抛出错误。

分类任务不需要对标签做缩放，也无需使用TransformedTargetRegressor，直接用Pipeline拟合即可，修正后代码如下：

X = X.astype(int)
Y = Y.astype(int)

X_train, X_test, y_train, y_test = train_test_split(X,Y,test_size=.10, random_state = 42)

xscaler = StandardScaler()
pipe = Pipeline([('scaler', xscaler), ('logit', LogisticRegression())]) 
pipe.fit(X_train,y_train)
# 后续预测直接调用 pipe.predict(X_test) 即可

补充说明：TransformedTargetRegressor仅适用于线性回归、随机森林回归等预测连续值的回归任务，用于对目标变量做标准化、对数变换等操作，分类任务无需对标签做此类变换。

内容的提问来源于stack exchange，提问作者krpytix