机器学习：模型评估报错，ValueError: continuous is not supported

在做一个，美国加利福利亚的房价预测的时候，模型评估部分，报了一个错...

打印：accuracy_score，准确率评估时，报错，不支持连续值，

原因： 房价预测，这是一个回归问题，因此不能用准确率来衡量，

1、分类：连续值，可以用accuracy_score评估，

2、回归：可以用 r2_score来评估....

本次是房价的回归，因此可以用 r2_score，来评估，而不能用准确率评估，因为他是不连续的...

原来报错代码：

from sklearn import datasets
from sklearn.datasets import fetch_california_housing # 加利福利亚---房价数据...
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn import preprocessing
from sklearn import linear_model  # 线性模型：       1.回归、2.分类...
from sklearn import metrics
# 加载数据
california = fetch_california_housing()
# 划分数据集
data = california
x = data.data
y = data.target
x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.2)

# 数据预处理:            对训练集、进行标准化处理...
scaler = preprocessing.StandardScaler().fit(x)
x_train = scaler.transform(x_train)
x_test = scaler.transform(x_test)
# 创建线性模型：  线性回归
lm = linear_model.LinearRegression()
# 训练投喂数据、拟合数据
lm.fit(x_train, y_train)
# 预测：
pre = lm.predict(x_test)
#print(pre)
### 评估:             预测标签、真实标签，对比评估预测能力
accu= accuracy_score(y_test,pre)  # 准确度是分类问题，这是回归问题，用其他评估机制...
print(accu)

修改后的代码：

from sklearn import datasets
from sklearn.datasets import fetch_california_housing # 加利福利亚---房价数据...
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn import preprocessing
from sklearn import linear_model  # 线性模型：       1.回归、2.分类...
from sklearn import metrics
# 加载数据
california = fetch_california_housing()
# 划分数据集
data = california
x = data.data
y = data.target
x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.2)

# 数据预处理:            对训练集、进行标准化处理...
scaler = preprocessing.StandardScaler().fit(x)
x_train = scaler.transform(x_train)
x_test = scaler.transform(x_test)
# 创建线性模型：  线性回归
lm = linear_model.LinearRegression()
# 训练投喂数据、拟合数据
lm.fit(x_train, y_train)
# 预测：
pre = lm.predict(x_test)
#print(pre)
### 评估:             预测标签、真实标签，对比评估预测能力
#accu= accuracy_score(y_test,pre)  # 准确度是分类问题，这是回归问题，用其他评估机制...
#print(accu)
r2 = metrics.r2_score(y_test,pre)    ##### 修改处，换一个评估函数....
print(r2)