String 如何使用str特性在Python中训练朴素贝叶斯

我有一个包含8124行和23列的蘑菇数据集。第一列称为“class”，有两种类型的值：“p”（毒药）和“e”（可食）。我想用前6000行训练朴素贝叶斯。但我不知道如何使用分类功能。我的数据集中的所有元素都具有str类型

import pandas as pd
from sklearn.naive_bayes import GaussianNB

df = pd.read_csv('/home/mot/PythonFiles/Mushrooms/mushrooms.csv', delimiter=',')
df_train = df.loc[:6000]
df_test = df.loc[6000:]

df_train_values = df_train.loc[:, 'cap-shape'::]
df_train_answers = df_train['class']

df_test_values = df_test.loc[:, 'cap-shape'::]
df_test_answers = df_test['class']

clf = GaussianNB()
clf.fit(df_test_values, df_test_answers)

---

这就是我得到的结果：ValueError:无法将字符串转换为float:'p'

实际上，朴素的贝叶斯（naivebayes）围绕着p（类|特性）的概念展开。因此，如果你有你提到的2个类（毒药|可食用），那么你想要的朴素贝叶斯概率是：

p（可食用|特征）=p（可食用）*p（帽状|可食用）/（标准化|常数）

p（毒药|特征）=p（毒药）*p（帽状|毒药）/（标准化|常数）

通常，如果您有更多功能，您会这样做：

p（1级要素）=p（1级要素）*p（1级要素）*p（2级要素）*1级要素）*……*P（特征n类1） . . . P（类要素）=P（类要素）*P（类要素1类要素）*P（类要素2类要素）*……*P（特征n类m）

这是朴素贝叶斯的一般方法。概率可以根据比例从您的训练数据中估计，即给定类别，类别1的比例为类别

---

如果你想知道为什么我没有添加除数（规范化常数），那是因为它只是一个规范化常数。然而，由于这一点，需要注意的是，由于我们处理的是比例（数字<1），特别是当数据集稀疏时，大多数编程语言中可能会出现数学下溢错误。这是一个非常低的数字（接近于0），受可用于表示浮点小数的字节数的限制。纠正这种情况的一种方法是在除数的每个计算步骤中进行规范化，以防止出现下溢。

创建

假人

或使用

一个热编码

谢谢，我已经做过了，它似乎在工作，但我在课堂上得到了两个练习。1） 使用库中的函数训练朴素贝叶斯，2）自己编写朴素贝叶斯分类器。第二个已经完成了，但是我仍然有一个关于ex1的问题。如果我的所有特征都是str类型，我如何使用sklearn中的GaussianNB？您可以使用

CountVectorizer

使用

词汇表

参数来获得每行的聚合计数，或者一个热编码或伪变量，如上面提到的@AkshayNevrekar。我不知道你已经完成了我建议的上述部分——这方面的问题并不完全清楚。除了我提到的或@AkshayNevrekar提到的方法之外，你还探索过其他方法吗？