python - Scikit-learn 不适用于 KNN 上的字符串值

Question

我正在使用 Scikit 学习进行 K 最近邻分类:

from sklearn.neighbors import KNeighborsClassifier

model=KNeighborsClassifier() 
model.fit(train_input,train_labels)

如果我打印我的数据:

print("train_input:")
print(train_input.iloc[0])
print("\n")
print("train_labels:")
print(train_labels.iloc[0]) 

我明白了:

train_input:
PassengerId                          1
Pclass                               3
Name           Braund, Mr. Owen Harris
Sex                               male
Age                                 22
SibSp                                1
Parch                                0
Ticket                       A/5 21171
Fare                              7.25
Cabin                              NaN
Embarked                             S
Name: 0, dtype: object


train_labels:
0

代码失败并出现此错误:

ValueError                                Traceback (most recent call last)
<ipython-input-21-1f18eec1e602> in <module>()
     63 
     64 model=KNeighborsClassifier()
---> 65 model.fit(train_input,train_labels)
ValueError: could not convert string to float: 'Q'

那么，KNN 算法是否不适用于 String 值？

如何修改我的数据以使其适合 Scikit-Learn 中的 KNN 实现？

Answer 1

对于名义上的 String 特征，考虑一种热编码:http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html .

对于序数 String 特征，考虑标签编码(根据您对特征的理解合理排序):http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.LabelEncoder.html .