python - 分类和数值特征 - 分类目标 - Scikit Learn - Python

Question

我有一个包含分类列和数字列的数据集，我的目标列也是分类列。我在 Python34 中使用 Scikit 库。我知道在执行任何机器学习方法之前，Scikit 需要将所有分类值转换为数值。

我应该如何将分类列转换为数值？我尝试了很多方法，但出现了不同的错误，例如“str”对象没有“numpy.ndarray”对象没有属性“items”。

Here is an example of my data:
 UserID  LocationID   AmountPaid    ServiceID   Target
 29876      IS345       23.9876      FRDG        JFD
 29877      IS712       135.98       WERS        KOI

我的数据集保存在 CSV 文件中，下面是我编写的小代码，让您了解我想做什么:

#reading my csv file
data_dir = 'C:/Users/davtalab/Desktop/data/'
train_file = data_dir + 'train.csv'
train = pd.read_csv( train_file )

#numeric columns:
x_numeric_cols = train['AmountPaid']

#Categrical columns:
categorical_cols = ['UserID' + 'LocationID' + 'ServiceID']
x_cat_cols = train[categorical_cols].as_matrix() 


y_target = train['Target'].as_matrix() 

我需要将 x_cat_cols 转换为数值并将它们添加到 x_numeric_cols 中，这样我就有了完整的输入 (x) 值。

然后我还需要将我的目标函数转换为数值，并将其作为我的最终目标 (y) 列。

然后我想使用这两个完整的集合来做一个随机森林:

rf = RF(n_estimators=n_trees,max_features=max_features,verbose =verbose, n_jobs =n_jobs)
rf.fit( x_train, y_train )

感谢您的帮助!

Answer 1

对于target，可以使用sklearn的LabelEncoder .这将为您提供从字符串标签到数字标签的转换器(以及反向映射)。链接中的示例。

至于特征，学习算法通常期望(或最适合)序数数据。所以最好的选择是使用 OneHotEncoder转换分类特征。这将为每个类别生成一个新的二进制特征，表示每个类别的开/关。同样，链接中的用法示例。