Pandas 无法在python中将字符串转换为浮点，以及如何使用此数据集训练模型

我有一个列数据集：年龄（浮动类型）、性别（str类型）、地区（str类型）和费用（浮动类型）

我想使用年龄、性别和地区作为特征预测费用，我如何在scikit learn中做到这一点

我尝试了一些东西，但它显示了

“ValueError:无法将字符串转换为float:'northwest'”

---

列

区域

包含字符串，在SVM分类器中不能这样使用，因为它不是向量

因此，您必须将此列转换为SVM可用的内容。以下是将

区域

更改为分类序列的示例：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df.region = pd.Categorical(df.region)
df.region = df.region.cat.codes
X = df.loc[:,['age','sex','region']]
y = df.loc[:,['charges']]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

解决此问题的另一种方法是使用一种热矢量编码：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df = pd.concat([df,pd.get_dummies(df.region)],axis = 1).drop('region',1)
X = df.drop('charges',1)
y = df.charges
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df.region = le.fit_transform(df.region)

另一种方法是执行标签编码：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df = pd.concat([df,pd.get_dummies(df.region)],axis = 1).drop('region',1)
X = df.drop('charges',1)
y = df.charges
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df.region = le.fit_transform(df.region)

当然，这个方法列表并不是详尽无遗的，根据您的问题，它们的性能会有所不同

---

非数字数据的使用非常重要，需要对现有技术有一点了解（我鼓励你去kaggle的论坛搜索，在那里你可以找到有价值的信息）。

列

区域

包含字符串，这些字符串不能在SVM分类器中使用，因为它不是向量

因此，您必须将此列转换为SVM可用的内容。以下是将

区域

更改为分类序列的示例：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df.region = pd.Categorical(df.region)
df.region = df.region.cat.codes
X = df.loc[:,['age','sex','region']]
y = df.loc[:,['charges']]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

解决此问题的另一种方法是使用一种热矢量编码：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df = pd.concat([df,pd.get_dummies(df.region)],axis = 1).drop('region',1)
X = df.drop('charges',1)
y = df.charges
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df.region = le.fit_transform(df.region)

另一种方法是执行标签编码：

import pandas as pd
from sklearn import svm
from sklearn.model_selection import train_test_split

df = pd.DataFrame({'age':[20,30,40,50],
              'sex':['male','female','female','male'],
              'region':['northwest','southwest','northeast','southeast'],
              'charges':[1000,1000,2000,2000]})
df.sex = (df.sex == 'female')
df = pd.concat([df,pd.get_dummies(df.region)],axis = 1).drop('region',1)
X = df.drop('charges',1)
y = df.charges
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

clf = svm.SVC(C=1.0, cache_size=200,decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf')
clf.fit(X_train, y_train)

from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df.region = le.fit_transform(df.region)

当然，这个方法列表并不是详尽无遗的，根据您的问题，它们的性能会有所不同

---

非数字数据的使用非常重要，需要对现有技术有一点了解（我鼓励你去kaggle的论坛搜索，在那里你可以找到有价值的信息）。

区域

是一个分类变量。要在预测中使用它，你可能需要转换它，比如说使用一个热编码，等等。在这里阅读更多：好的，那么性别呢。。。？？如果我将东北、西北、东南、西南地区分别编码为0、1、2、3……那么如果我将性别编码；男性，女性为0,1，则会有相同的值…它会影响过程吗？？？

区域

是一个分类变量。要在预测中使用它，你可能需要转换它，比如说使用一个热编码，等等。在这里阅读更多：好的，那么性别呢。。。？？如果我将东北、西北、东南、西南地区分别编码为0、1、2、3……那么如果我将性别编码；男性，女性为0,1，那么会有相同的值…它会影响流程吗？我已经使用了

LabelEncoder（）

，我的问题已经解决了。这是解决这个问题的正确方法吗？这是其他方法中的一种

pd.Category

对目标不做任何假设，只需将不同的值拆分并将其散列为整数，

Labelencoder

使用目标的知识，如果训练数据得到有效分发，则可以进行更精确的映射。一个热编码创建的二进制维度或多或少被分类器使用。这当然不是一个全面的列表，请查看更多信息。我使用了

LabelEncoder（）

，我的问题得到了解决。这是解决这个问题的正确方法吗？这是其他方法中的一种

pd.Category

对目标不做任何假设，只需将不同的值拆分并将其散列为整数，

Labelencoder

使用目标的知识，如果训练数据得到有效分发，则可以进行更精确的映射。一个热编码创建的二进制维度或多或少被分类器使用。这当然不是一个全面的列表，请看一下以了解更多信息。