Python 隔离林：分类数据

我试图在sklearn中使用隔离林检测乳腺癌数据集中的异常。我试图将Iolation Forest应用于混合数据集，当我拟合模型时，它会给我值错误

这是我的数据集：

这是我的代码：

from sklearn.model_selection import train_test_split
rng = np.random.RandomState(42)

X = data_cancer.drop(['Class'],axis=1)
y = data_cancer['Class'] 

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 20)
X_outliers = rng.uniform(low=-4, high=4, size=(X.shape[0], X.shape[1]))

clf = IsolationForest()
clf.fit(X_train)

这是我得到的错误：

ValueError:无法将字符串转换为浮点：“30-39”

---

是否可以对分类数据使用隔离林？如果是，我该怎么做？

您应该将分类数据编码为数字表示

有很多方法可以对分类数据进行编码，但我建议您从

sklearn.preprocessing.LabelEncoder

如果基数高，

sklearn.preprocessing.onehotcoder

如果基数低

下面是一个使用示例：

将numpy导入为np
从numpy导入argmax
从sklearn.preprocessing导入标签编码器
从sklearn.preprocessing导入OneHotEncoder
#定义示例
数据=[“冷”、“冷”、“暖”、“冷”、“热”、“热”、“暖”、“冷”、“暖”、“热”、“热”]
值=np.数组（数据）
打印（值）
#整数编码
label_编码器=LabelEncoder（）
整数编码=标签编码器。拟合变换（值）
打印（整数编码）
#二进制编码
onehot_编码器=OneHotEncoder（稀疏=假）
整数编码=整数编码。重塑（len（整数编码），1）
onehot\u encoded=onehot\u编码器。拟合\u变换（整数\u编码）
打印（onehot_编码）
#颠倒第一个例子
反向=标签编码器。反向变换（[argmax（onehot\u编码的[0，：]））
打印（倒置）

输出：

['cold' 'cold' 'warm' 'cold' 'hot' 'hot' 'warm' 'cold' 'warm' 'hot']
 
[0 0 2 0 1 1 2 0 2 1]
 
[[ 1.  0.  0.]
 [ 1.  0.  0.]
 [ 0.  0.  1.]
 [ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  1.  0.]
 [ 0.  0.  1.]
 [ 1.  0.  0.]
 [ 0.  0.  1.]
 [ 0.  1.  0.]]
 
['cold']

---

好的，但是如果我想用自己的输入进行预测，我该怎么办呢。我写了

input\u par=encoder.transform（['string value 1'，'string value 2'…]）

，但我得到了一个错误：

使用数组重塑数据。如果数据具有单个特征或数组，则重塑（-1，1）。如果数据包含单个样本，则重塑（1，-1）。

@Farseer忘记添加：

来自数组导入数组，你的玩具示例对我不起作用。我得到一个错误：
TypeError:array（）参数1或typecode必须是char（字符串或长度为1的ascii unicode），而不是list
（使用Python 2）。@user2205916只需替换
values=np.array（data）
而不是
values=array（data）
，它就可以工作了。