K最近邻

Question

我收到一个错误，不太确定为什么会这样......这是我的数据看起来像这样的一点

    Date/Time            Lat        Lon      Base
0   8/1/2014 0:03:00    40.7366 -73.9906    B02512

import pandas as pd
import matplotlib.pyplot as plt
from sklearn import preprocessing 

df = pd.read_csv('aug.csv')
df.head()
X = df.drop(columns =['Base'])
clus = df[['Lat','Lon']]
y = clus 

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=1)

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 1)

knn.fit(X_train,y_train)

 #Here is my error from the knn.fit(X_train,y_train)
 ValueError: could not convert string to float: '8/11/2014 7:33:00'

Answer 1

数据中的日期/时间列是字符串类型。 KNN 分类器期望输入数据是数字，因此ValueError: could not convert string to float: '8/11/2014 7:33:00' when it trying to convert string to float

将日期字符串转换为数字数据类型的策略很少。

如果您的Date/Time列本质上是categorical的， categories很少，您可以尝试one-hot-encoding 。

或者，如果它没有为您的分析提供任何有意义的信息，您可以简单地drop该列。

或者您可以使用此将date/time列转换为总秒数。

pd.to_timedelta(df.date).dt.total_seconds()

其中pd是 pandas 和df是您的DataFrame object。

注意：此代码要求输入为特定类型。 对于您的日期字符串，您应该尝试以下操作：

df['Date/Time'] = df['Date/Time'].astype('datetime64').astype(int).astype(float)

始终注意：统计建模技术适用于数值数据。 您将不得不以一种或另一种方式将所有输入转换为数字类型