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

项目场景

在利用随机森林模型预测信用卡流失人数这个项目中，需要划分训练集和测试集。而在划分过程中出现了bug。

---

问题描述

以下是报错内容：

以下是报错代码：

result_acc += forest.score(x_check, y_check）

---

原因分析：

这主要是因为sklearn函数的输入参数的数据类型不匹配导致的，有可能是输入的y_train为[0,1,1,0,1]的int型数据，而y_predict是[1,2,3,4]这样的概率数据。因此需要把概率数据转换为整型数据即可。可能使用了**model.predict_proba()**函数进行了预测。
而在后面的代码也会碰到这样的情况。主要分一下情况：

1. 写的过程中就运行，这种事会及时发现错误类型，并及时纠正的，后文基本上不会出错。
2. 若是在中途并未运行，后文的y_train,y_check,基本上都会出错，所以处处都需要修改。

以下的方法都基于以上两种情况

---

解决方案：

1.第一种

在写文章的时候就发现错误：

forest.fit(x_train, y_train)

这种情况将数据拆分就好：

y_train = model.predict_proba(x_test)

这种主要是将预测集和训练集的变量拆分

2.第二种

适合中途没有进行检验的朋友，直接在训练集修改
后修改：

forest.fit(x_train, y_train.astype('int')

这种方式简单快捷，易修改。