遇见错误：ValueError: Classification metrics can‘t handle a mix of binary and continuous targets

今天在做机器学习实验的时候疯狂报错，修复了一个又一个的bug。这个错误也是比较典型的一个，于是就记录下来。
这是一个决策树的预剪枝问题，当我想要用accuracy_score等sklearn自带函数进行评估时，出现了报错ValueError: Classification metrics can’t handle a mix of binary and continuous targets。
在检查了predict和label的维数等之后，发现并不是维数的问题。
最终解决这个问题是发现predict和label的数据类型不同，predict还是float类型，表示分类类别的概率。label是int类型，代表的是类别标签。
有博主提示说： classifier的model在predict的时候 输出的是各个分类的概率，所以是float类型。
因此我们使用如下代码进行转化

predictions2=predictions2.astype(np.int64)

于是成功解决。
但是，我后来有尝试了对未减枝的数据进行预测的数据类型，发现仍旧是float类型，但是没有报错？好奇怪？