python - 是否需要在 scikit-learn 中对训练数据进行编码的输入进行编码？

Question

我是Python新手。我已经在分类数据上训练了我的算法强文本，在训练过程中我遇到了一些解决方案错误。我看到它需要使用 LabelEncoder 并且我使用了它。至此，问题解决，算法训练完成。

我想知道为什么它不接受原始数据的字符串(编码之前)。有没有办法将字符串字符提供给算法进行预测？这是我的代码:

<小时/>

import pandas as pd
import sklearn
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.neighbors import NearestNeighbors

df=pd.read_csv(r'E:\Study\FYP Data\FYP\datasets\alluni.csv', encoding= 'unicode_escape')
df.head()


Obtained Marks   Intermediate   Bachelor    Institute   %age
0   1001.0  FSc. Pre Medical    DPT          UOS      91.000000
1   1001.0  FSc. Pre Medical    DPT          UOS      91.000000
2   1010.0  FSc. Pre Medical    DPT          UOS      91.818182
3   1000.0  FSc. Pre Medical    DPT          UOS      90.909091
4   1000.0  FSc. Pre Medical    DPT          UOS      90.909091

le = LabelEncoder()
df['Intermediate'] = le.fit_transform(df.Intermediate.values)
df['Intermediate'] = le.fit_transform(df['Intermediate'])

le = LabelEncoder()
df['Institute'] = le.fit_transform(df.Institute.values)
df['Institute'] = le.fit_transform(df['Institute'])
df.head()

Obtained  Marks Intermediate    Bachelor    Institute
0   1001.0          16             DPT        7
1   1001.0          16             DPT        7
2   1010.0          16             DPT        7
3   1000.0          16             DPT        7
4   1000.0          16             DPT        7

df.drop(['%age'],axis=1,inplace=True)
X=df.drop('Bachelor',axis=1)
y=df['Bachelor']
X_train,X_text,y_train,y_test=train_test_split(X,y,test_size=0.2)

model2=DecisionTreeClassifier()
model2.fit(X_train,y_train)

model2.predict([['980','1','UOS']])

当我使用此代码时，它显示错误:ValueError:无法将字符串转换为 float :'UOS'。是否有任何机制可以提供字符串作为输入？

Answer 1

问题是您使用 LabelEncoder 对训练数据进行编码，但在运行 model2.predict() 时仍然发送原始数据

在运行预测之前尝试使用 LabelEncoder 对数据进行编码

data_encoded = le.transform([['980','1','UOS']])
model2.predict(data_encoded)