我正在尝试使用sk-learn在Python中运行常规的线性回归,但是我有一些我不知道该如何处理的分类数据,特别是因为我是使用pandas导入数据的,read.csv()
并且我从以前的经验中学到了很多东西,并且阅读了Pandas和sk-learn的相处不太好(尚未)。
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Salary,其中League和EastDivision是分类的。
如果我通过numpy导入数据loadtext()
,则会得到一个numpy数组,理论上可以与sklearn一起使用,但是当我使用DictVectorizer时会出现错误。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])
时出现错误,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,一旦我获得了分类数据,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,但没有一个对我真正有用。
基本上发生的事情是将1和0的向量传递给一个函数,该函数将获取键和值(例如字典)并为您创建表
D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]
会变成
array([[ 2., 0., 1.],
[ 0., 1., 3.]])
或者
|bar|baz|foo |<br>
|---|---|-----|<br>
| 2 | 0 | 1 |<br>
| 0 | 0 | 3 |<br>
阅读:http : //scikit-learn.org/stable/modules/generation/sklearn.feature_extraction.DictVectorizer.html
在您的情况下,数据已经准备好进行线性回归,因为特征联赛和东部分区已经是假人。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句