python - scikit-learn CART 字符串数据

Question

你能用字符串数据训练 DecisionTreeClassifier 吗？

当我尝试使用字符串数据时，我得到一个 ValueError: could not convert string to float

clf = DecisionTreeClassifier()
clf.fit([['asdf', '1'], ['asdf', '0']], ['2', '3'])

Answer 1

您需要将字符串值特征转换为 NumPy 数组中的数字特征；DictVectorizer为你做。

samples = [['asdf', '1'], ['asdf', '0']]
# turn the samples into dicts
samples = [dict(enumerate(sample)) for sample in samples]

# turn list of dicts into a numpy array
vect = DictVectorizer(sparse=False)
X = vect.fit_transform(samples)

clf = DecisionTreeClassifier()
clf.fit(X, ['2', '3'])

记住vect.transform在将这些样本转换为字典后，在测试样本上使用。