Pythonのエラー: Unknown label type: 'continuous'

Question

KaggleでPythonを使っているときに起きたエラーです。
Unknown label type: 'continuous'と出ます。

解いている問題はHouse Pricesというチュートリアルの問題です。
何が良くないのでしょうか。

import numpy as np
import pandas as pd
#for visualization
import matplotlib.pyplot as plt
import seaborn as sns
from jupyterthemes import jtplot
jtplot.style(theme='monokai') 
pd.set_option('display.max_rows', 100)
pd.set_option('display.max_columns', 100)

#import data
train = pd.read_csv("C:/Users/owner/Kaggle/HousePrice/train.csv")
test = pd.read_csv("C:/Users/owner/Kaggle/HousePrice/test.csv")
from sklearn.preprocessing import LabelEncoder

for i in range(train.shape[1]):
    if train.iloc[:,i].dtypes == object:
        lbl = LabelEncoder()
        lbl.fit(list(train.iloc[:,i].values) + list(test.iloc[:,i].values))
        train.iloc[:,i] = lbl.transform(list(train.iloc[:,i].values))
        test.iloc[:,i] = lbl.transform(list(test.iloc[:,i].values))
from sklearn.preprocessing import LabelEncoder

for i in range(train.shape[1]):
    if train.iloc[:,i].dtypes == object:
        lbl = LabelEncoder()
        lbl.fit(list(train.iloc[:,i].values) + list(test.iloc[:,i].values))
        train.iloc[:,i] = lbl.transform(list(train.iloc[:,i].values))
        test.iloc[:,i] = lbl.transform(list(test.iloc[:,i].values))
target = np.log(target)
# feature importance using random forest
from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor(n_estimators=80, max_features='auto')
rf.fit(X_train, target)

ranking = np.argsort(-rf.feature_importances_)
X_train = X_train.iloc[:,ranking[:5]]
X_test = X_test.iloc[:,ranking[:5]]
from sklearn import tree

my_tree = tree.DecisionTreeClassifier()
my_tree = my_tree.fit(X_train, target)
my_prediction = my_tree.predict(X_test)
# my_prediction = np.exp(my_prediction)
print(my_prediction)

エラー内容

ValueError                                Traceback (most recent call last)
<ipython-input-61-05b366c7c9d5> in <module>
      2 
      3 my_tree = tree.DecisionTreeClassifier()
----> 4 my_tree = my_tree.fit(X_train, target)
      5 my_prediction = my_tree.predict(X_test)
      6 # my_prediction = np.exp(my_prediction)

~\Anaconda3\lib\site-packages\sklearn\tree\_classes.py in fit(self, X, y, sample_weight, check_input, X_idx_sorted)
    875             sample_weight=sample_weight,
    876             check_input=check_input,
--> 877             X_idx_sorted=X_idx_sorted)
    878         return self
    879 

~\Anaconda3\lib\site-packages\sklearn\tree\_classes.py in fit(self, X, y, sample_weight, check_input, X_idx_sorted)
    171 
    172         if is_classification:
--> 173             check_classification_targets(y)
    174             y = np.copy(y)
    175 

~\Anaconda3\lib\site-packages\sklearn\utils\multiclass.py in check_classification_targets(y)
    167     if y_type not in ['binary', 'multiclass', 'multiclass-multioutput',
    168                       'multilabel-indicator', 'multilabel-sequences']:
--> 169         raise ValueError("Unknown label type: %r" % y_type)
    170 
    171 

ValueError: Unknown label type: 'continuous'

targetのlogを取らなければ正常に動作します。
正規分布にしたいのでlogを取るべきと参考サイトにあり、このまま進めたいのですが、どうすればいいでしょうか。
どうぞよろしくお願いいたします！

Answer 1

tree.DecisionTreeClassifier()をtree.DecisionTreeRegressor()にすれば解決しました。

Answer 2

tree.DecisionTreeClassifierのfit()のパラメータyは下記の通り整数か文字列でなければなりません。
targetの中身が条件を満たしていないかと思われます。

fit(self, X, y, sample_weight=None, check_input=True, X_idx_sorted=None)

yarray-like of shape (n_samples,) or (n_samples, n_outputs)

The target values (class labels) as integers or strings.

sklearn.tree.DecisionTreeClassifier

Comments

[egpt]

確かにそうみたいですね！
tree.DecisionTreeRegressor()にすれば通りました。ありがとうございます（o_ _)ｏ））
日本語の記事でfitの引数を調べても全然出てこなかったので、これからは英語で検索をかけることにします！