我试图使用sk-learn在Python中运行常规的线性回归,但是我有一些我不确切知道如何处理的分类数据,特别是因为我使用pandas read.csv()
导入数据并且我从之前的经验和读到Pandas和sk-learn相处得不好(还) .
我的数据如下所示:
Salary AtBat Hits League EastDivision
475 315 81 1 0
480 479 130 0 0
500 496 141 1 1
我想使用AtBat,Hits,League和EastDivision来预测薪水,其中League和EastDivision是绝对的 .
如果我通过numpy的 loadtext()
导入数据,我得到一个numpy数组,理论上我可以使用sklearn,但是当我使用DictVectorizer时,我得到一个错误 . 我的代码是:
import numpy as np
from sklearn.feature_extraction import DictVectorizer as DV
nphitters=np.loadtxt('Hitters.csv',delimiter=',', skiprows=1)
vec = DV( sparse = False )
catL=vec.fit_transform(nphitters[:,3:4])
当我运行最后一行 catL=vec.fit_transform(nphitters[:,3:4])
时,我收到错误,错误是
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python2.7/dist-packages/sklearn/feature_extraction/dict_vectorizer.py", line 142, in fit_transform
self.fit(X)
File "/usr/lib/python2.7/dist-packages/sklearn/feature_extraction/dict_vectorizer.py", line 107, in fit
for f, v in six.iteritems(x):
File "/usr/lib/python2.7/dist-packages/sklearn/externals/six.py", line 268, in iteritems
return iter(getattr(d, _iteritems)())
AttributeError: 'numpy.ndarray' object has no attribute 'iteritems'
我不知道如何解决它,另一件事是,一旦我得到分类数据,我该如何运行回归?就像分类变量是另一个数字变量一样?
我发现了几个类似于我的问题,但没有一个问题对我有用 .
3 回答
基本上会发生的是你将1和0的向量传递给一个函数,该函数将获取键和值(如字典)并为你创建一个表
会变成
要么
阅读:http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html
在你的情况下,数据已准备好进行线性回归,因为功能联盟和东部分区已经是假人 .
它似乎
.fit_transform()
期望dict
但.loadtxt()
创建一个numpy数组 .使用
pandas
读取数据后,可以使用.to_dict()
.scikit-learn有两个新功能可以帮到你
如果您想在一行中处理多个值,
例如: