python - 朴素贝叶斯高斯抛出 ValueError : could not convert string to float: 'M'

Question

将某些特征的值从整数替换为字符串后，在 fit() 命令后出现错误:

Error - ValueError: could not convert string to float: 'M'

replace_val_sex = {0:'F', 1:'M'}
df = df.replace({"Sex": replace_val_sex})
.
.
.
GNB = GaussianNB().fit(x_train, y_train)
<ERROR>

注意:当我没有替换值时，不会发生这种情况。

Answer 1

据我从您的问题中了解到，您对朴素贝叶斯算法和高斯朴素贝叶斯算法感到困惑。让我们在遇到问题的背景下一一查看，

朴素贝叶斯:朴素贝叶斯或朴素贝叶斯分类器算法是关于计算具有条件独立性的事件的概率。因此，概率是使用特征中的类数来计算的。这些功能的输入取决于您所使用的工具。

高斯朴素贝叶斯:该算法的基本假设是所有特征都是连续的。术语“高斯”与连续同义。在这个算法中，我们试图用其他连续输出特征来预测连续输出特征。因此，无论我们使用什么软件(或)工具，特征都被限制为数值(或)连续的。

由于您使用的是 GaussianNB(预计这是来自 ScikitLearn)，因此输入特征应该是 Numerical