[英]Multiple linear regression with categorical features using sklearn - python
[英]Linear Regression with sklearn using categorical variables
我試圖使用sk-learn在Python中運行常用的線性回歸,但是我有一些我不知道如何處理的分類數據,特別是因為我使用pandas read.csv()
導入了數據並且我學到了從以前的經驗和閱讀看,熊貓和sk-learn相處得不好(還)。
我的數據如下:
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來預測薪水,其中League和EastDivision是絕對的。
如果我通過numpy的loadtext()
導入數據,我得到一個numpy數組,理論上我可以使用sklearn,但是當我使用DictVectorizer時,我得到一個錯誤。 我的代碼是:
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])
當我運行最后一行catL=vec.fit_transform(nphitters[:,3:4])
時出現錯誤,錯誤是
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'
我不知道如何解決它,另一件事是,一旦我得到分類數據,我該如何運行回歸? 就像分類變量是另一個數字變量一樣?
我發現了幾個類似於我的問題,但沒有一個問題對我有用。
看起來.fit_transform()
需要一個dict
但.loadtxt()
創建一個numpy數組。
您可以使用.to_dict()
與讀取數據后pandas
。
基本上會發生的是你將1和0的向量傳遞給一個函數,該函數將獲取鍵和值(如字典)並為你創建一個表
D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]
會變成
array([[ 2., 0., 1.],
[ 0., 1., 3.]])
要么
|bar|baz|foo |<br>
|---|---|-----|<br>
| 2 | 0 | 1 |<br>
| 0 | 0 | 3 |<br>
閱讀: http : //scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html
在你的情況下,數據已准備好進行線性回歸,因為功能聯盟和東部分區已經是假人。
scikit-learn有兩個新功能可以幫到你
sklearn.preprocessing.LabelBinarizer
sklearn.preprocessing.LabelEncoder
如果您想在一行中處理多個值,
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]])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.