我有一个Dataframe(data
),其头部如下所示:
status datetime country amount city
601766 received 1.453916e+09 France 4.5 Paris
669244 received 1.454109e+09 Italy 6.9 Naples
我想根据datetime, country, amount
和city
预测status
因为status, country, city
是字符串,所以我对它们进行了one-hot编码:
one_hot = pd.get_dummies(data['country'])
data = data.drop(item, axis=1) # Drop the column as it is now one_hot_encoded
data = data.join(one_hot)
然后创建一个简单的线性回归模型并拟合数据:
y_data = data['status']
classifier = LinearRegression(n_jobs = -1)
X_train, X_test, y_train, y_test = train_test_split(data, y_data, test_size=0.2)
columns = X_train.columns.tolist()
classifier.fit(X_train[columns], y_train)
但我得到了以下错误:
无法将字符串转换为浮点:'已收到'
我有一种感觉,我错过了这里的一些东西,我想有一些关于如何继续下去的投入。感谢您阅读到目前为止!
3条答案
按热度按时间4xrmg8kj1#
请考虑以下方法:
首先让我们对所有非数值列进行one-hot编码:
现在我们可以使用
LinearRegression
分类器:omhiaaxx2#
要在scikit-learn项目中进行one-hot编码,你可能会发现使用scikit-learn-contrib项目category_encoders更简洁:https://github.com/scikit-learn-contrib/categorical-encoding,其包括许多常见的分类变量编码方法,包括one-hot。
okxuctiv3#
替代(因为你真的应该avoid using
LabelEncoder
上的功能)。ColumnTransformer和OneHotEncoder可以对 Dataframe 中的特征进行独热编码:
使用LogisticRegression的完整管道: