機械学習 モデル エラー Unknown label type: 'continuous-multioutput'

Question

機械学習の様々なモデルを試す中で決定木のモデルでエラーが出ており原因がわかりません。
ナイーブベイズ、ロジスティック回帰、ランダムフォレスト、knn,SVC,lightGBMなどはうまくいっており、aucスコアを得られています。
原因を解明して、エラーが出ているモデルでの予測をすることを目指しています。
よろしくお願いします。

# 決定木
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(random_state=0)
clf = clf.fit(X_train, y_train)
pred = clf.predict(X_test)
fpr, tpr, thresholds = metrics.roc_curve(y_test, pred, pos_label=1)
auc=metrics.auc(fpr, tpr)
auc
#エラーコード
ValueError                                Traceback (most recent call last)
<ipython-input-8-f4fca059e899> in <module>
      2 from sklearn.tree import DecisionTreeClassifier
      3 clf = DecisionTreeClassifier(random_state=0)
----> 4 clf = clf.fit(X_train, y_train)
      5 pred = clf.predict(X_test)
      6 fpr, tpr, thresholds = metrics.roc_curve(y_test, pred, pos_label=1)


ValueError: Unknown label type: 'continuous-multioutput'

追記です

features,targetはDataFrameでfeaturesが27000×33,target（中身は０か１）27000×1で全て数字です

featuresの中身はこのようなものです。見にくくて申し訳ありません。
features,targetの中身にNaNなどは入っていません。
features,targetを分割してX_train, X_test, y_train, y_testとしています。

credit age payment_9 payment_8 payment_7 payment_6 payment_5 payment_4 claim_9 claim_8 claim_7 claim_6 claim_5 claim_4 advance_9 advance_8 advance_7 advance_6 advance_5 advance_4 pay_condition_rate9 pay_condition_rate8 pay_condition_rate7 pay_condition_rate6 pay_condition_rate5 pay_late pay_late_count credit_age claim9 claim8 claim7 claim6 claim5
0 20000 24 2 2 -1 -1 -2 -2 3913 3102 689 0 0 0 0.0 0.03445 0.0 0.0 0.0 0 0.1551 0.0 0.0 0.0 0.0 1 4.0 833.333333 0.19565 0.1551 0.03445 0.0 0.0

X_train, X_test, y_train, y_test = train_test_split(features, target, test_size=0.2, random_state=1234)

Comments

[hayataka2049]

X_trainとy_trainがそれぞれどんなデータなのかの情報が必要です。オブジェクトの型,データの型,shape,具体的な一部のデータ例を示していただけると回答しやすいです。

[Masakuni]

ご指摘ありがとうございます。
ブログ拝見しております。
Pipelineの記事が特に参考になりました。
次のステップでPCAやパラメータサーチを行おうと考えていました。
ご本人にご指摘頂けて感動しています。

[hayataka2049]

targetの方も見せてください。

Answer 1

y_trainおよびtargetが本当に意図したものになっているかどうか、確認する必要がありそうです。

Unknown label type:のエラーはfitの際のyに問題があることを表します。

continuousというのは浮動小数点値が含まれていることを、multioutputというのは27000×3など、意図しないshapeになっている可能性を表します。

また、DataFrameやSeriesなどのpandasのオブジェクトに、sklearnは完全には対応していません。

問題ないケースもありますが、どうしてもうまくいかないときはdf.valuesなどでnumpy配列としての値を取り出して渡してあげるとうまくいくことがままあります。