我将我的数据集拆分为X_train、和Y_train，然后我使用了 symbolicRegressor ...X_testY_test
我已经将 Dataframe 中的字符串值转换为浮点值。但是通过应用symbolicRegressor我得到这个错误：
ValueError：无法将字符串转换为浮点数：'d'
其中“d”是来自 Y 的值。
由于我在Y_train和中的所有值Y_test都是字母字符，因为它们是“标签”，所以我不明白为什么要symbolicRegressor尝试获取浮点数..
任何的想法？
根据https://gplearn.readthedocs.io/en/stable/index.html- “符号回归是一种机器学习技术，旨在识别最能描述关系的基础数学表达式”。注意mathematical。我不擅长这个问题的主题，并且gplearn他的描述没有明确定义适用性/限制的领域。
但是，根据类的源代码https://gplearn.readthedocs.io/en/stable/_modules/gplearn/genetic.html方法fit()包含BaseSymbolic行X, y = check_X_y(X, y, y_numeric=True)where check_X_y()is sklearn.utils.validation.check_X_y()。参数y_numeris意思是：“是否保证y是数值类型。如果y的dtype是object，则转换为float64。应该只用于回归算法”。
所以y值必须是数字。
抱歉重播晚了。gplearn使用估计器支持回归（数字 y）SymbolicRegressor，并且在新发布的版本gplearn 0.4.0中，我们还支持使用SymbolicClassifier. 但是，从事物的声音来看，您有一个gplearn当前不支持的多标签问题。这可能是我们希望在未来支持的东西。