Python 如何使用字符串标签和特征训练树分类器？

下面是我的代码：

import sklearn
#features = [[140,"smooth"],[130,"smooth"],[150,"bumpy"],[170,"bumpy"]]
#labels = ["apple","apple","orange","orange"]

# Now replace 1 for smooth & 0 for bumpy and 0 for apple & 1 for orange
features = [[140,1],[130,1],[150,0],[170,0]]
labels = [0,0,1,1]

# Now I train a classifier
from sklearn import tree

my_classifier = tree.DecisionTreeClassifier()
my_classifier.fit(features,labels)
predict = my_classifier.predict([[150,0]])
print(predict)

如何训练分类器而不将其转换为数字

e、 我想在下面几行代码中对我的分类器进行分类。请建议，提前感谢：）

---

由于算法在引擎盖下工作的方式，您的标签和特征总是会在某个点转换为一个热向量

---

您只需维护一个字典，其中向量的哪个索引表示哪个标签，并在推断后将其返回。

教程中提到了这一点。但是您可以使用任何类型作为标签或功能。对于不需要转换的目标（标签），它将由scikit处理。但对于需要转换的功能，我删除了“…在监督学习中”，因为这是多余的。我重新命名为“字符串标签和特征”，因为它们是不同的东西，它们得到不同的处理，无论是在算法上还是在sklearn中编码（取决于分类器的类型：基于树的、NN等）。（另外，字符串特性通常需要规范化，而字符串标签则不需要）。哪一个应该是规范的？字符串特征应该被视为范畴，而不是整数。此外，我们通常首先进行一些规范化（去掉无意义的大小写、空格、标点符号和数字，可能是柠檬化）和拼写错误容忍查找（例如Levenshtein距离）@smci，通常情况下，当类别定义良好时，如（硬、易）或（平滑、凹凸）或（高、中、低）等，我们不需要您描述的其他标准化过程），但是对于Levenshtein距离+1:）@smci True，在内部它可能会转换为一个热向量，而不是整数。然而，AFAIK scikit learn不接受标签的一个热向量输入或输出，而是接受整数。如果我错了，请随时纠正我，我会更改答案。伙计们，已经尝试过下面的方法，它可以工作，但我相信如果我的功能增加，会有另一个很好的方法来做：从sklearn导入预处理编码器=预处理。LabelEncoder（）encodeValues=编码器。fit_transform（[“平滑”、“平滑”、“凹凸”，“凹凸”]）打印（编码值）功能=[[140,1]、[130,1]、[150,0]、[170,0]]解码值=编码器。逆变换（[1,1,0,0]）打印（解码值）@Ashish.k您正在朝着正确的方向前进。没有更好的方法可以做到这一点。只有正确的方法，这是一种热编码。当您说smooth=1和bumpy=0时，模型可能会假设平滑的顺序高于bumpy，这与您的类别中不包含任何顺序无关。

features = [[140,"smooth"],[130,"smooth"],[150,"bumpy"],[170,"bumpy"]]
labels = ["apple","apple","orange","orange"]