y = df.pitch_name
y = np.array(y)
y = y.reshape(-1, 1)
from sklearn.preprocessing import OrdinalEncoder
ord_enc = OrdinalEncoder()
y = ord_enc.fit_transform(y.reshape(-1, 1))
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=12345
)
knn_model = KNeighborsRegressor(n_neighbors=3)
knn_model.fit(X_train, y_train)
knn_model.predict([X_test[0]])
X 全部為浮點值，y 全部為字串型別。如果我使用 ordinalEncoder 并使用模型進行預測，它可以作業，但問題是當我想獲得確切的類別時，我得到的結果有時不是整數（例如 6.3333）。
因此，每當我使用原始分類值字串擬合模型時，我都會看到此錯誤訊息TypeError: cannot perform reduce with flexible type。當我檢查錯誤訊息時，我認為錯誤是由于 238 他們試圖獲取 y_pred = np.mean(_y[neigh_ind], axis=1) 而應該是中位數，因為 y 是字串串列？任何幫助將不勝感激。
237 if weights is None:
--> 238 y_pred = np.mean(_y[neigh_ind], axis=1)
239 else:
240 y_pred = np.empty((X.shape[0], _y.shape[1]), dtype=np.float64)
uj5u.com熱心網友回復：
如果我誤解了什么，請原諒我，但聽起來你正在嘗試使用回歸模型進行分類：KNeighborsRegressor.
從這里你可以看到：
在資料標簽是連續變數而不是離散變數的情況下，可以使用基于鄰居的回歸。分配給查詢點的標簽是根據其最近鄰居的標簽的平均值計算的。
因此，通過使用OrdinalEncoder，您只是對浮點類別進行了編碼，但是，之后您預測了其最近鄰居的標簽的平均值，這將不是整數，因此不是類別。
我建議你閱讀這篇文章，學習如何使用KNeighborsClassifier.
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/464604.html
下一篇：將串列轉換為陣列，輸出沒有逗號