質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

91.24%

  • Python

    4245questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    2795questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

python DecisionTreeClassifierでデータを比較できません。 エラー:Unknown label type: 'continuous'

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 52

MasaKoba

score 11

前提・実現したいこと

プログラミング初心者です。最終的にはランダムフォレストという手法を用いて分析してみたいと考えています。そこで、"合計"というデータと他の4つのデータを比較しようとしたところ、以下のようなエラーがでました。yのデータが1行だからでしょうか。どのように直したらデータ同士を比較できるのかご教示いただけますと幸いです。よろしくお願いいたします。

なお、"合計(train_y)"のデータと、それと比較したい4つのデータ(train_x)は以下となります。

train_x
970     0.000000
367     0.000000
803     0.000000
151     0.000000
851     0.000000
590     0.000000
265     0.000000
386     0.000000
524     0.000000
1095    0.000000
609     0.000000
510     0.000000
462     0.000000
1214    0.000000
53      0.000000
753     0.000000
425     0.001755
236     0.000000
477     0.000000
310     0.006713
132     0.000000
912     0.000000
465     0.000000
9       0.000000
68      0.000000
779     0.000000
1094    0.000000
412     0.000000
892     0.000000
997     0.000000
...   
186     0.000000
819     0.000000
888     0.000000
1198    0.000000
60      0.000000
202     0.000000
322     0.000000
824     0.000000
836     0.000000
365     0.000000
967     0.000000
1204    0.000000
1098    0.000000
1127    0.000000
577     0.000000
340     0.000000
850     0.000000
321     0.000000
32      0.000000
654     0.000000
397     0.000000
792     0.000000
814     0.000000
985     0.000000
116     0.000000
639     0.000000
71      0.000000
934     0.006466
815     0.000000
103     0.000000

train_y
[852 rows x 4 columns]
気温(℃)  降水量(mm)  風速(m/s)  相対湿度(%)
970     2.9      0.5      3.7     80.0
367     1.4      0.0      3.1     65.0
803     2.8      0.0      1.7     74.0
151     6.7      0.0      3.6     64.0
851     6.7      0.0      3.6     72.0
590     6.6      0.0      2.0     75.0
265     4.9      0.0      4.4     67.0
386     0.1      0.5      6.2     83.0
524     2.8      0.0      2.5     82.0
1095    7.3      1.5      4.5     83.0
609     5.1      0.5      3.2     83.0
510     6.6      1.5      0.7     90.0
462     5.0      0.0      4.0     66.0
1214    7.8      0.0      3.4     49.0
53      5.2      0.0      2.2     78.0
753     6.2      0.0      1.6     73.0
425     6.8      0.0      1.2     89.0
236     8.0      0.0      6.1     41.0
477    -0.6      0.0      1.8     86.0
310     7.5      0.0      3.0     74.0
132     5.5      0.0      1.3     75.0
912    -0.2      2.0      5.8     88.0
465     2.8      1.0      2.2     88.0
9       1.3      0.5      2.0     90.0
68      3.4      1.5      2.7     86.0
779     3.3      0.0      2.0     85.0
1094    4.9      0.0      1.1     74.0
412     3.7      0.0      2.8     67.0
892     7.6      0.0      2.1     58.0
997     1.2      0.0      3.6     76.0
...     ...      ...      ...      ...
186     1.1      0.5      6.3     72.0
819     1.4      0.0      1.8     71.0
888     7.2      0.0      5.1     73.0
1198    4.0      0.0      4.4     79.0
60      4.1      1.0      1.9     86.0
202     6.8      0.0      3.1     49.0
322     2.0      0.0      2.0     88.0
824     6.5      0.0      1.8     54.0
836     6.1      0.0      1.7     61.0
365     2.8      0.0      5.4     84.0
967     8.3      0.0      5.4     59.0
1204    6.4      0.0      3.6     65.0
1098   -0.6      0.5      4.4     82.0
1127    5.1      0.0      2.6     71.0
577    -0.5      0.0      1.7     86.0
340     8.3      0.0      4.3     51.0
850     6.9      0.0      3.1     60.0
321     2.0      0.0      2.0     88.0
32      0.5      0.5      1.8     90.0
654     3.9      1.0      3.4     83.0
397    -0.7      0.0      2.8     65.0
792    -0.8      1.5      5.0     88.0
814    -1.3      0.0      6.3     53.0
985    -0.5      2.0      6.1     88.0
116     1.6      1.0      2.0     88.0
639     4.4      0.0      2.8     69.0
71      5.6      1.5      2.9     89.0
934     9.2      0.0      3.1     48.0
815    -1.3      0.0      6.3     53.0
103     5.6      0.0      3.2     79.0

発生している問題・エラーメッセージ

Traceback (most recent call last):
  File "C:/Users/aa/Documents/MyPythonProject/snow_train/reference_1.py", line 102, in <module>
    clf = clf.fit(train_x, train_y)
  File "C:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 739, in fit
    X_idx_sorted=X_idx_sorted)
  File "C:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 146, in fit
    check_classification_targets(y)
  File "C:\Anaconda\lib\site-packages\sklearn\utils\multiclass.py", line 172, in check_classification_targets
    raise ValueError("Unknown label type: %r" % y_type)
ValueError: Unknown label type: 'continuous'

該当のソースコード

from sklearn.model_selection import train_test_split
data_first_list = data_first_list.drop(["列車番号","天気","地点"], axis=1)
#print(data_first_list["合計"])
train_x = data_first_list.drop("合計", axis=1)
train_y = data_first_list["合計"]
(train_x, test_x, train_y, test_y) = train_test_split(train_x, train_y, test_size = 0.3, random_state = 777)

# 決定木 #
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import DecisionTreeRegressor
clf = DecisionTreeClassifier(random_state=0)
clf = clf.fit(train_x, train_y)
pred = clf.predict(test_x)

試したこと

課題に対してアプローチしたことを記載してください
DecisionTreeRegressorを使ってみましたが、こちらも上手くいきませんでした。

補足情報(言語/FW/ツール等のバージョンなど)

より詳細な情報

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

分類器はラベルをYに取ります。
ラベルは整数である必要があります。

エラーは連続変数がYに渡されたので、分類できないことを知らせています。

ClassifierではなくRegressorにするか、連続変数を整数に射影して使ってください。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/01/08 22:38

    早速ご回答いただき誠にありがとうございます。以下のとおり、整数に射影したのですが、エラーが出てしまいます(データ自体は欠損もなく問題なさそうなのですが…)。もし何かお気づきの点があればご教示いただけますと大変うれしいです。よろしくお願いいたします。

    from sklearn.model_selection import train_test_split
    data_first_list = data_first_list.drop(["列車番号","天気","地点"], axis=1)
    #print(data_first_list["合計"])
    train_x = data_first_list.drop("合計", axis=1)
    train_y_0 = data_first_list["合計"]*1000000
    train_y =train_y_0.astype(int)

    (エラー内容)
    Traceback (most recent call last):
    File "C:/Users/aa/Documents/MyPythonProject/snow_train/reference_1.py", line 112, in <module>
    score = accuracy_score(train_y, pred)
    File "C:\Anaconda\lib\site-packages\sklearn\metrics\classification.py", line 172, in accuracy_score
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)
    File "C:\Anaconda\lib\site-packages\sklearn\metrics\classification.py", line 72, in _check_targets
    check_consistent_length(y_true, y_pred)
    File "C:\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 181, in check_consistent_length
    " samples: %r" % [int(l) for l in lengths])
    ValueError: Found input variables with inconsistent numbers of samples: [852, 366]

    キャンセル

  • 2018/01/08 22:42 編集

    度々申し訳ございません。Regressorにかえた場合も(少し文言は異なりますが)以下のように似た感じのエラーが出てしまいます。

    Traceback (most recent call last):
    File "C:/Users/aa/Documents/MyPythonProject/snow_train/reference_1.py", line 111, in <module>
    score = accuracy_score(train_y, pred)
    File "C:\Anaconda\lib\site-packages\sklearn\metrics\classification.py", line 172, in accuracy_score
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)
    File "C:\Anaconda\lib\site-packages\sklearn\metrics\classification.py", line 72, in _check_targets
    check_consistent_length(y_true, y_pred)
    File "C:\Anaconda\lib\site-packages\sklearn\utils\validation.py", line 181, in check_consistent_length
    " samples: %r" % [int(l) for l in lengths])
    ValueError: Found input variables with inconsistent numbers of samples: [852, 366]

    キャンセル

  • 2018/01/09 08:38

    サンプル数に矛盾があります。

    train_yではなくtest_yです。

    キャンセル

  • 2018/01/11 22:53

    返信が大変遅くなり申し訳ございません。上記2つの回答を踏まえ、解決することができました!大変助かりました。ありがとうございました。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

ただいまの回答率

91.24%

関連した質問

同じタグがついた質問を見る

  • Python

    4245questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • Python 3.x

    2795questions

    Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。