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!

新規登録して質問してみよう
ただいま回答率
85.44%
Python 3.x

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。

Q&A

解決済

2回答

4911閲覧

ValueError: continuous format is not supportedの対処方法

kouji_39

総合スコア164

Python 3.x

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。

0グッド

0クリップ

投稿2022/08/09 11:06

編集2022/08/10 08:04

1.前提・実現したいこと
不均衡問題を異常検知問題として扱う方法(https://qiita.com/tk-tatsuro/items/10e9dbb3f2cf030e2119)を読み、コードを動かしています。
ValueError: continuous format is not supportedというエラーが出ます。
対処方法をお願いします。

2.発生している問題・エラーメッセージ
3.のソースコード実行(最終行のコード)で下記のエラーメッセージが発生
-> ValueError Traceback (most recent call last)
<ipython-input-8-8f5107fe8148> in <module>()
89
90 # ROC曲線_エラー発生
---> 91 plot_roc_curve(y_pred,y_test)
92
93 # Precision-Recall曲線

2 frames
/usr/local/lib/python3.7/dist-packages/sklearn/metrics/_ranking.py in _binary_clf_curve(y_true, y_score, pos_label, sample_weight)
729 y_type = type_of_target(y_true)
730 if not (y_type == "binary" or (y_type == "multiclass" and pos_label is not None)):
--> 731 raise ValueError("{0} format is not supported".format(y_type))
732
733 check_consistent_length(y_true, y_score, sample_weight)

ValueError: continuous format is not supported

3.該当のソースコード

python3

1import pandas as pd 2import seaborn as sns 3import matplotlib.pyplot as plt 4%matplotlib inline 5 6# データ取得 7creditcard = pd.read_csv("×××(内部ディレクトリ名)/creditcard.csv", sep=',') 8 9import numpy as np 10from sklearn import metrics 11from sklearn.metrics import accuracy_score 12from sklearn.metrics import precision_score 13from sklearn.metrics import recall_score 14from sklearn.metrics import f1_score 15from sklearn.model_selection import train_test_split 16from sklearn.linear_model import LogisticRegression 17from sklearn.metrics import confusion_matrix 18from sklearn.metrics import plot_confusion_matrix 19from sklearn.metrics import roc_auc_score # ROC曲線 20 21# アンダーサンプリング 22from imblearn.under_sampling import RandomUnderSampler 23 24target = 'Class' 25rs = RandomUnderSampler(random_state=42) 26under_sampling ,_ = rs.fit_resample(creditcard, creditcard[target]) 27 28print('*'*20) 29print('<元のデータ>') 30print('0の件数:%d'%len(creditcard.query(f'{target}==0'))) 31print('1の件数:%d'%len(creditcard.query(f'{target}==1'))) 32print('*'*20) 33print('<アンダーサンプリング後のデータ>') 34print('0の件数:%d'%len(under_sampling.query(f'{target}==0'))) 35print('1の件数:%d'%len(under_sampling.query(f'{target}==1'))); 36 37def show_confusion_matrix(y_test, y_pred): 38 print("\n", confusion_matrix(y_test, y_pred)) 39 40def modeling(data): 41 X = data.drop('Class',axis=1) 42 y = data['Class'] 43 44 # データ分割 45 X_train,X_test,y_train,y_test = train_test_split(X, y, test_size=0.1, random_state=42) 46 47 # ロジスティック回帰 48 lr = LogisticRegression(max_iter=1000) 49 lr.fit(X_train, y_train) 50 y_pred = lr.predict(X_test) 51 52 # 混同行列 53 matrix = show_confusion_matrix(y_test, y_pred) 54 print(matrix) 55 56 # 評価 57 print('Accuracy = ', accuracy_score(y_true=y_test, y_pred=y_pred).round(decimals=3)) 58 print('Precision = ', precision_score(y_true=y_test, y_pred=y_pred).round(decimals=3)) 59 print('Recall = ', recall_score(y_true=y_test, y_pred=y_pred).round(decimals=3)) 60 print('F1 score = ', f1_score(y_true=y_test, y_pred=y_pred).round(decimals=3)) 61 62 return lr, y_pred, X_train, X_test, y_train, y_test 63 64# ROC曲線 65def plot_roc_curve(pred, y_test): 66 pred = np.where(pred > 0.5, 1, 0.5) 67 fpr, tpr, thresholds = metrics.roc_curve(pred, y_test) 68 plt.figure(figsize=[15, 5]) 69 plt.plot(fpr, tpr, label=f'roc_curve') 70 plt.xlabel('FPR') 71 plt.ylabel('TPR') 72 plt.legend() 73 plt.grid() 74 plt.show() 75 76 auc = metrics.auc(fpr, tpr) 77 print('auc: {:.3f}'.format(auc)) 78 79# PR(Precision-Recall)曲線 80def plot_precision_recall_curve(y_test, y_pred): 81 precision, recall, thresholds = metrics.precision_recall_curve(y_test, y_pred) 82 83 auc = metrics.auc(recall, precision) 84 print(f'AUC: {round(auc,3)}%') 85 86 plt.figure(figsize=[15, 5]) 87 plt.plot(recall, precision, label='PR curve (area = %.2f)'%auc) 88 plt.legend() 89 plt.title('PR curve') 90 plt.xlabel('Recall') 91 plt.ylabel('Precision') 92 plt.grid() 93 plt.show(); 94 95# アンダーサンプリング 96lr, y_pred, X_train, X_test, y_train, y_test = modeling(under_sampling) 97 98# ROC曲線_エラー発生 99plot_roc_curve(y_pred,y_test) 100 101# Precision-Recall曲線 102plot_precision_recall_curve(y_test, y_pred)

4.自分で調べたことや試したこと
Google検索では、有用な情報なし。

5.使っているツールのバージョンなど補足情報
開発環境:Google Colaboratory
プログラム言語:python3
OS:windows10 Home
CPU:Intel(R) Core(TM) i7-7500U CPU@2.70GHz 2.90GHz

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MY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。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

自己解決

def plot_roc_curveのところで、第1引数を予測値にしたのが原因でした。
(y_test, y_pred)で、正常にプロットされました。

投稿2022/08/10 08:02

kouji_39

総合スコア164

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

roc_curve関数に渡しているpredの型(type_of_target)がcontinuousなので提示エラーが発生しています。
動作未検証ですが、提示コードでのpred = np.where(pred > 0.5, 1, 0.5)の部分は、参考URLではpred = np.where(predict > 0.5, 1, 0)となっているので、そのように修正すれば(binaryと解釈されて)動作するものと思われます。

投稿2022/08/10 01:26

編集2022/08/10 01:27
can110

総合スコア38298

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

kouji_39

2022/08/10 08:02

自己解決しました。今後ともよろしくお願いいたします。
can110

2022/08/10 08:05

コード見落としてましたが、本当の原因は次の行にあったのですね。
kouji_39

2022/08/10 09:46

元コードも逆だったので、「見よう見真似でなく少しは考えてみてという」ということでしょうか。
can110

2022/08/10 12:24

そうですね。元コードでは予測値predがbinary値だったのでエラーなく実行できていたのではないかと思いますが、結局はconfusion_matrixの各引数に何を渡すべきかは実際に利用する側が考える必要はありますね。 有名な書籍でも(初版では)誤ったコードが載っていることも多いので。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

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
85.44%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問