Numpy 使用混合数据类型的ndarrays进行分类

我试图将随机林分类器应用于一组具有混合数据类型的数据；值得注意的是，它同时具有浮点和字符串。我意识到我可以通过使用类似热编码的方法来转换字符串，但我的理解是随机林的好处之一是能够混合数据类型。因此，考虑到这一点，我使用loadtxt将数据加载到一个结构化数组中：

dtypes = np.dtype([
    ('height', np.float32), ...
])
X = np.loadtxt("dataset.csv", delimiter=",", dtype=dtypes, usecols=tuple(range(len(dtypes))))

但当我真正尝试运行分类器时：

clf = RandomForestClassifier(min_samples_split=1, n_jobs=-1, max_features='sqrt', n_estimators=200)
clf.fit(X, y1)

我遇到了这个问题：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-33-3b0a3607bfd5> in <module>()
      9 clf = RandomForestClassifier(min_samples_split=1, n_jobs=-1, max_features='sqrt', n_estimators=200)
     10 print clf
---> 11 clf.fit(X, y2)

/usr/local/lib/python2.7/dist-packages/sklearn/ensemble/forest.pyc in fit(self, X, y, sample_weight)
    258 
    259         # Remap output
--> 260         n_samples, self.n_features_ = X.shape
    261 
    262         y = np.atleast_1d(y)

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
9 clf=RandomForestClassifier（最小样本数分割=1，n个作业=1，最大特征数=sqrt，n个估计数=200）
10打印clf
--->11 clf.配合（X，y2）
/usr/local/lib/python2.7/dist-packages/sklearn/employ/forest.pyc in-fit（self，X，y，sample_-weight）
258
259#重新映射输出
-->260个n_样本，self.n_特征=X.shape
261
262 y=np.至少为1d（y）

---

我意识到一个结构化数组是不同的，它的维数（在我的例子中）是（11999，）所以很明显它不能解包出特性的数量。我知道我可以尝试重塑数据，但我的理解是ndarray需要一个单一的同质数据类型，而我的不是，因为字符串和浮点的混合。如何着手解决此问题？

X

必须是浮点值矩阵（

np.float32

，以获得树/林的最大性能）。其他任何内容都需要通过某种形式的特征提取转换为浮点数。

您的数据类型应该是浮点数，它如何理解或使用字符串？您必须从字符串中提取一些属性，例如长度、tf idf等。。用这个作为一个特征啊，谢谢你，我没有意识到这一点。我使用了LabelEncoder并将它们转换为float32s，效果很好。@RichardBender:请使用

OneHotEncoder

<代码>标签编码用于类标签。