如何使用LinearRegression与分类变量sklearn

-1

我想执行一些速度比较测试Python vs R和挣扎与问题 - 线性回归sklearn与分类变量。如何使用LinearRegression与分类变量sklearn

代码R：

# Start the clock! 
ptm <- proc.time() 
ptm 

test_data = read.csv("clean_hold.out.csv") 

# Regression Model 
model_liner = lm(test_data$HH_F ~ ., data = test_data) 

# Stop the clock 
new_ptm <- proc.time() - ptm

代码的Python：

import pandas as pd 
import time 

from sklearn.linear_model import LinearRegression 
from sklearn.feature_extraction import DictVectorizer 

start = time.time() 

test_data = pd.read_csv("./clean_hold.out.csv") 

x_train = [col for col in test_data.columns[1:] if col != 'HH_F'] 
y_train = ['HH_F'] 

model_linear = LinearRegression(normalize=False) 
model_linear.fit(test_data[x_train], test_data[y_train])

，但它不适合我

return X.astype(np.float32 if X.dtype == np.int32 else np.float64) ValueError: could not convert string to float: Bee True

工作，我尝试了另一种方法

test_data = pd.read_csv("./clean_hold.out.csv").to_dict() 
v = DictVectorizer(sparse=False) 
X = v.fit_transform(test_data)

不过，我逮住另一个错误：

File "C:\Anaconda32\lib\site-packages\sklearn\feature_extraction\dict_vectorizer.py", line 258, in transform Xa[i, vocab[f]] = dtype(v) TypeError: float() argument must be a string or a number

我不明白的Python应该怎么解决这个问题？数据的

例子： http://screencast.com/t/hYyyu7nU9hQm

来源

2015-10-05 SpanishBoy

如果没有您的源数据，我们将很难调试任何东西。您也可以考虑CrossValidated是否更适合。 – TARehman

添加了非常小的数据部分。请指教 – SpanishBoy

我认为你可能从中受益http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example-在我们的例子中，数据的截图并不是超级有用的。 – TARehman

我要在使用fit之前做一些编码。

有几类，可用于：

LabelEncoder : turn your string into incremental value 
OneHotEncoder : use One-of-K algorithm to transform your String into integer

我想有一个可扩展的解决方案，但没有得到任何答复。我选择了将所有字符串二进制化的OneHotEncoder。这是非常有效的，但如果你有很多不同的字符串矩阵将增长得非常快，并且需要记忆。

来源

2015-10-23 10:01:09 SpanishBoy

你可以显示一些示例代码来将字符串转换为OneHotEncoder吗？ – LKM

如何使用LinearRegression与分类变量sklearn

回答

相关问题