Python / Scikit Lear - Não é possível lidar com mix de classes múltiplas e contínuas
Estou tentando ajustar um SGDRegressor aos meus dados e, em seguida, verifique a precisão. O ajuste funciona bem, mas as previsões não estão no mesmo tipo de dados (?) Que os dados de destino originais e recebo o erro
ValueError: Can't handle mix of multiclass and continuous
Ao ligarprint "Accuracy:", ms.accuracy_score(y_test,predictions)
.
Os dados são assim (apenas mais de 200 mil linhas):
Product_id/Date/product_group1/Price/Net price/Purchase price/Hour/Quantity/product_group2
0 107 12/31/2012 10 300 236 220 10 1 108
O código é o seguinte:
from sklearn.preprocessing import StandardScaler
import numpy as np
from sklearn.linear_model import SGDRegressor
import numpy as np
from sklearn import metrics as ms
msk = np.random.rand(len(beers)) < 0.8
train = beers[msk]
test = beers[~msk]
X = train [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y = train[['Quantity']]
y = y.as_matrix().ravel()
X_test = test [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y_test = test[['Quantity']]
y_test = y_test.as_matrix().ravel()
clf = SGDRegressor(n_iter=2000)
clf.fit(X, y)
predictions = clf.predict(X_test)
print "Accuracy:", ms.accuracy_score(y_test,predictions)
O que devo fazer de diferente? Obrigado!