Python 如何在keras中使用有序分类列（“无法将字符串转换为浮点：'；CATEGORY'；”）

我正在做比赛，数据集有很多分类数据。我试图将其中一些设置为有序类别，如下所示：

for col in ordered_category_rating_cols:
    data[col] = data[col].astype(pd.api.types.CategoricalDtype(ordered=True, categories = ["GLQ", "ALQ", "BLQ", "Rec", "LwQ", "Unf", "NA"]))

但是，当我将数据传递到

model.fit（）

中时，会抛出此错误（完整堆栈如下所示）：

ValueError:无法将字符串转换为浮点：“GLQ”

通过剥离一串列，我将其缩小为一列-但是如果为此打印

dtype

，它看起来是正确的：

> train_x["BsmtFinType1"].dtype
> CategoricalDtype(categories=['GLQ', 'ALQ', 'BLQ', 'Rec', 'LwQ', 'Unf', 'NA'], ordered=True)

我到处找，但找不到任何解决办法。我是否需要做些什么来告诉Keras将类别视为浮动

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-144-c86afee8eb19> in <module>()
      4     batch_size=128,
      5     epochs=6,
----> 6     validation_split=0.1
      7 )
      8 

3 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_freq, max_queue_size, workers, use_multiprocessing, **kwargs)
    778           validation_steps=validation_steps,
    779           validation_freq=validation_freq,
--> 780           steps_name='steps_per_epoch')
    781 
    782   def evaluate(self,

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training_arrays.py in model_iteration(model, inputs, targets, sample_weights, batch_size, epochs, verbose, callbacks, val_inputs, val_targets, val_sample_weights, shuffle, initial_epoch, steps_per_epoch, validation_steps, validation_freq, mode, validation_in_fit, prepared_feed_values_from_dataset, steps_name, **kwargs)
    361 
    362         # Get outputs.
--> 363         batch_outs = f(ins_batch)
    364         if not isinstance(batch_outs, list):
    365           batch_outs = [batch_outs]

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/backend.py in __call__(self, inputs)
   3275         tensor_type = dtypes_module.as_dtype(tensor.dtype)
   3276         array_vals.append(np.asarray(value,
-> 3277                                      dtype=tensor_type.as_numpy_dtype))
   3278 
   3279     if self.feed_dict:

/usr/local/lib/python3.6/dist-packages/numpy/core/numeric.py in asarray(a, dtype, order)
    536 
    537     """
--> 538     return array(a, dtype, copy=False, order=order)
    539 
    540 

ValueError: could not convert string to float: 'GLQ'

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
4批次尺寸=128，
5个时代=6，
---->6验证_分割=0.1
7 )
8.
3帧
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py-in-fit（self、x、y、批大小、历元、冗余、回调、验证拆分、验证数据、洗牌、类权重、样本权重、初始历元、每历元步数、验证步骤、验证频率、最大队列大小、工作者、使用多处理、**kwargs）
778验证步骤=验证步骤，
779验证频率=验证频率，
-->780步（每个历元的步数）
781
782 def评估（自我，
/模型迭代中的usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training\u arrays.py（模型、输入、目标、样本权重、批量大小、年代、详细程度、回调、val_输入、val_目标、val_样本权重、无序、初始历元、每历元步长、验证步骤、验证频率、模式、验证拟合、从数据集准备的反馈值、步骤名称、**kwargs）
361
362#获取输出。
-->363批次输出=f（批次输入）
364如果不存在（批次，列表）：
365批次输出=[批次输出]
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/backend.py in_u____调用__（self，输入）
3275 tensor\u type=dtypes\u模块as\u dtype（tensor.dtype）
3276数组_vals.append（np.asarray（值，
->3277 dtype=张量（类型。as（numpy（类型））
3278
3279如果自进给指令：
/asarray中的usr/local/lib/python3.6/dist-packages/numpy/core/numeric.py（a，数据类型，顺序）
536
537     """
-->538返回数组（a，数据类型，copy=False，order=order）
539
540
ValueError:无法将字符串转换为浮点：“GLQ”

您可以将

类别

数据转换为它们的

代码

，这与

---

您可以将

类别

数据转换为它们的

代码

，这与

---

我将分类列转换为数据的方式

import pandas as pd
df = pd.DataFrame(data={"gender":["male","female"]})
df['gender'] = df['gender'].astype('category').cat.codes

如果多列包含分类数据

category_columns = list(df.select_dtypes(['category']).columns)
df[category_columns] = df[category_columns].apply(lambda x: x.cat.codes)

---

我将分类列转换为数据的方式

import pandas as pd
df = pd.DataFrame(data={"gender":["male","female"]})
df['gender'] = df['gender'].astype('category').cat.codes

如果多列包含分类数据

category_columns = list(df.select_dtypes(['category']).columns)
df[category_columns] = df[category_columns].apply(lambda x: x.cat.codes)

---

啊哈，宾果！我看到了，但没有意识到我必须自己为它设定值。效果很好，谢谢！@DannyTuppeny yw:-）祝你好运！宾果！我看到了，但没有意识到我必须自己为它设定值。效果很好，谢谢！@DannyTuppeny yw:-）快乐的codingAha，让我把循环改回单曲谢谢！啊哈，让我把循环改回单曲谢谢！