ValueError: las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua

1. Use 1d-array para corregir ValueError: las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua en Python
2. Solucione el error ValueError: las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua en Python

El ValueError se genera en Python cuando proporciona un argumento válido a una función, pero es un valor no válido. Por ejemplo, obtendrá el ValueError cuando ingrese un número negativo en la función sqrt() de un módulo matemático.

El error ValueError: Las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua ocurre cuando proporciona una matriz no válida en la función sklearn.metrics.accuracy_score(). Dado que el puntaje de precisión es una métrica de clasificación, el ValueError también se puede generar cuando lo usa con problemas de regresión.

Este tutorial te enseñará a resolver este error en Python.

Use 1d-array para corregir ValueError: las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua en Python

En primer lugar, recrearemos este error en Python.

from sklearn.metrics import accuracy_score

y_pred = [[0.5, 1], [-1, 1], [7, -6]]
y_true = [[0, 2], [-1, 2], [8, -5]]
accuracy_score(y_true, y_pred)

Producción :

ValueError: Classification metrics can't handle a mix of multiclass and continuous-multioutput targets

La función accuracy_score() no admite el formato multiclase-multisalida. Cuando la entrada dada en la función no es 1d-array, muestra el error anterior en la evaluación del modelo de clasificación.

Puedes resolverlo usando el 1d-array en la función accuracy_score().

Solucione el error ValueError: las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua en Python

Otra posible causa del error podría ser que esté utilizando la función accuracy_score() para los problemas de regresión. La puntuación de precisión no es una medida de los modelos de regresión; es solo para modelos de clasificación.

Las métricas de regresión son puntuación R2, MSE (error cuadrático medio) y RMSE (error cuadrático medio), que se pueden utilizar para evaluar el rendimiento de un modelo de regresión.

from sklearn.metrics import r2_score

y_pred = [[0.5, 1], [-1, 1], [7, -6]]
y_true = [[0, 2], [-1, 2], [8, -5]]
print(r2_score(y_true, y_pred))

Producción :

0.9412391668996365

Ahora sabe cómo manejar “ValueError: Las métricas de clasificación no pueden manejar una combinación de objetivos multiclase y multisalida continua” en Python. Esperamos que encuentre útiles estas respuestas.