使用scikit-learn在python中進行機器學習

Question

我制作了有關汽車信息的數據庫，包括，汽車制造商，里程，年份，價格，如下所示：

[[('Volkswagen Polo', 82000, 2010, 43000)], [('Porsche 911', 2500, 2018, 349000)], [('Volvo S60', 89000, 2015, 98000)], [('BMW 1', 127467, 2012,  97000)]

我正在學習機器學習，我想使用決策樹。

我想獲取汽車制造商，行駛里程和年份並預測價格。 我嘗試了很多方法，每次遇到錯誤時，我都會嘗試。 例如：

ValueError: could not convert string to float: 'Volkswagen Polo'
or
ValueError: Found array with dim 3. Estimator expected <= 2.
or
TypeError: fit() takes 2 positional arguments but 3 were given

我試過下面的代碼：

cursor = cnx.cursor()
    cursor.execute('SELECT * FROM cars_2')
    my_result = cursor.fetchall()
    x = []
    y = []
    for item in my_result:
        x.append([item[1:4]])
        y.append([item[4]])
    le = preprocessing.LabelEncoder()
    le.fit(x, y)

要么

cursor = cnx.cursor()
    cursor.execute('SELECT * FROM cars_2')
    my_result = cursor.fetchall()
    x = []
    y = []
    for item in my_result:
        x.append([item[1:4]])
        y.append([item[4]])
    clf = tree.DecisionTreeClassifier()
    clf = clf.fit(x, y

Answer 1

LabelEncoder僅在目標類上運行，因此您不應將x傳遞給它（請參閱此處 ）。 而且似乎您為目標類使用了錯誤的索引： y.append([item[4]])應該是y.append([item[0]]) 。