ValueError：無法將字符串轉換為浮點數 - 機器學習

Question

我正在研究一個機器學習項目，以確定 PCAP 是否是一種攻擊，我必須處理 PCAP 文件並創建模型然后進行預測。 我的代碼的一部分是這樣的：

train['is_train'] = np.random.uniform(0, 1, len(train)) <= .75
Train, Validate = train[train['is_train']==True], train[train['is_train']==False]
features = list(set(list(dataset.columns))-set(ID_col)-set(target_col)-set(other_col))

x_train = Train[list(features)].values
y_train = Train["class"].values
x_validate = Validate[list(features)].values
y_validate = Validate["class"].values
x_test = test[list(features)].values


random.seed(100)
rf = RandomForestClassifier(n_estimators=1000)
rf.fit(x_train, y_train)

這就是我的 x_train 列表包含的內容：

[['172.27.224.250' 16 'TCP' ... 1532299481617 60 54200]
 ['172.27.224.251' 24 'TCP' ... 1532299483068 60 502]
 ['172.27.224.251' 24 'TCP' ... 1532299483069 60 502]
 ...
 ['172.27.224.251' 24 'TCP' ... 1532301279315 60 502]
 ['172.27.224.250' 16 'TCP' ... 1532301279324 60 49713]
 ['172.27.224.250' 24 'TCP' ... 1532301279335 66 49713]]

我收到錯誤ValueError: could not convert string to float: '172.27.224.250' in rf.fit(x_train, y_train)

我應該使用哪個分類器以及如何解決這個問題？

Answer 1

您需要將分類特征編碼為數值，很少有像Label Encoding和One Hot Encoding這樣的技術，它們是sklearn.preprocessing模塊的一部分，可以讓您進行編碼。 因此，首先確定訓練集中的分類列，並按照上述鏈接進行虛擬編碼，然后應用.fit()方法。

有關更多實現細節，請參閱標簽編碼器與一個熱編碼器。

希望這可以幫助！