![](/img/trans.png)
[英]Multiple linear regression with categorical features using sklearn - python
[英]Linear Regression with sklearn using categorical variables
我试图使用sk-learn在Python中运行常用的线性回归,但是我有一些我不知道如何处理的分类数据,特别是因为我使用pandas read.csv()
导入了数据并且我学到了从以前的经验和阅读看,熊猫和sk-learn相处得不好(还)。
我的数据如下:
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。
看起来.fit_transform()
需要一个dict
但.loadtxt()
创建一个numpy数组。
您可以使用.to_dict()
与读取数据后pandas
。
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
D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]
会变成
array([[ 2., 0., 1.],
[ 0., 1., 3.]])
要么
|bar|baz|foo |<br>
|---|---|-----|<br>
| 2 | 0 | 1 |<br>
| 0 | 0 | 3 |<br>
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。
scikit-learn有两个新功能可以帮到你
sklearn.preprocessing.LabelBinarizer
sklearn.preprocessing.LabelEncoder
如果您想在一行中处理多个值,
sklearn.preprocessing.MultiLabelBinarizer
例如:
array = [(dog, cat),(dog),(dog,fish)]
mb = MultiLabelBinarizer()
mb.fit_transform(array)
>> array([1, 0, 1, 0, 0, 0],
[0, 1, 0, 0, 1, 1],
[0, 0, 1, 1, 0, 0]])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.