python - 使用 get_dummies 将分类值转换为数字？

Question

我正在制作一个简单的可重现示例来了解培训和测试的工作原理:

示例

我想根据原产地位置预测年龄:

import pandas as pd

# create a simple dataset of people
data = {'Name': ["John", "Anna", "Peter", "Linda","John","John","John"],
        'Location' : ["Paris","Paris","Paris","Paris", "New York", "Berlin", "London"],
        'Age' : [24, 23, 21, 24,36,34,36]
       }

df = pd.DataFrame(data)

在下面的这一部分，城市名称有问题，因此我决定使用虚拟变量，但 get_dummies 的行不正确。我认为它需要将 Name 和 Location 字符串都转换为虚拟变量，这就是我尝试过的，但正确的方法是什么？

from sklearn.model_selection import train_test_split
X = df.drop('Age', axis=1)
y = df['Age']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

from sklearn.svm import SVC
svclassifier = SVC(kernel='linear')
X_train = pd.get_dummies(df.columns)  #<---- here is the issue probably
svclassifier.fit(X_train, y_train)
y_pred = svclassifier.predict(X_test)

Answer 1

您没有定义您的特征 (X) 和目标 (y)。您的 X 是您的模型学习预测目标 y 的地方。由于您的功能是分类的名称和位置，因此您需要使用像 get_dummies 这样的自动编码器。

from sklearn.model_selection import train_test_split
#features
X = pd.get_dummies(df[['Name','Location']])

#Target
y = df['Age']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20)

from sklearn.svm import SVC

svclassifier = SVC(kernel='linear')
svclassifier.fit(X_train, y_train)
y_pred = svclassifier.predict(X_test)