{"id":2999,"date":"2023-07-19T17:19:03","date_gmt":"2023-07-19T17:19:03","guid":{"rendered":"https:\/\/statorials.org\/nl\/onbekende-waarde-fout-continu-labeltype\/"},"modified":"2023-07-19T17:19:03","modified_gmt":"2023-07-19T17:19:03","slug":"onbekende-waarde-fout-continu-labeltype","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/onbekende-waarde-fout-continu-labeltype\/","title":{"rendered":"Oplossing: valueerror: onbekend labeltype: 'continu'"},"content":{"rendered":"

<\/p>\n

\n

Een veel voorkomende fout die je in Python kunt tegenkomen is:<\/span><\/p>\n

 ValueError<\/span> : Unknown label type: 'continuous'\n<\/strong><\/pre>\n
 Deze fout treedt meestal op wanneer u sklearn<\/strong> probeert te gebruiken om een classificatiemodel<\/a> zoals logistische regressie<\/a> aan te passen en de waarden die u gebruikt voor de responsvariabele continu zijn in plaats van categorisch.<\/span><\/p>\n
 Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n
 Hoe de fout te reproduceren<\/strong><\/span><\/h3>\n
 Stel dat we de volgende code proberen te gebruiken om in een logistisch regressiemodel te passen:<\/span><\/p>\n
 import<\/span> numpy as<\/span> np\nfrom<\/span> sklearn. linear_model<\/span> import<\/span> LogisticRegression\n\n#define values for predictor and response variables\n<\/span>x = np. array<\/span> ([[2, 2, 3], [3, 4, 3], [5, 6, 6], [7, 5, 5]])\ny = np. array<\/span> ([0, 1.02, 1.02, 0])\n\n#attempt to fit logistic regression model\n<\/span>classifier = LogisticRegression()\nclassify. fit<\/span> (x,y)\n\nValueError<\/span> : Unknown label type: 'continuous'\n<\/strong><\/span><\/pre>\n
 We ontvangen een foutmelding omdat de waarden van onze responsvariabele momenteel continu zijn.<\/span><\/p>\n
 Bedenk dat een logistisch regressiemodel<\/a> vereist dat de waarden van de responsvariabelecategorisch<\/a> zijn, zodat:<\/span><\/p>\n