Machine learning &引用；ValueError:无法将字符串转换为浮点值；使用OneHotEncoder进行机器学习时

我使用LabelEncoder和OneHotEncoder来处理数据集中的“分类数据”。在我的数据集中，有一列可以有两个值“汽油”或“柴油”，我想对该列进行编码。我正在运行这段代码，它给出了一个错误

import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

dataset = pd.read_csv('ToyotaCorolla.csv')
X = dataset.iloc[:, 1:10].values
y = dataset.iloc[:, 0].values

labelencoder_X = LabelEncoder()
X[:, 3] = labelencoder_X.fit_transform(X[:, 3])
onehotencoder = OneHotEncoder(categorical_features = [3])
X = onehotencoder.fit_transform(X).toarray()

列[3]将具有分类值。但它显示了一个错误“ValueError:无法将字符串转换为float:‘Diesel’”。

---

我不知道我错在哪里。请帮忙。谢谢

分类功能

已被弃用，请直接转换分类功能

onehotencoder = OneHotEncoder(categories='auto')
feature = onehotencoder.fit_transform(X[:, 3].reshape(-1, 1))

---

当您的x具有类别为字符串格式的列时，会出现此错误 当我犯了这个错误 正如您对第3列所做的那样，我对X中的所有分类列使用了标签编码器 然后对第3列应用一个热编码器

---

“因此，您需要做的是在X中标记所有分类列，然后对所需列应用一个热编码器”

问题与

spyder

无关-请不要垃圾邮件无关的标记（删除并替换为

scikit learn

）。