Truyền dữ liệu phân loại để Sklearn Quyết định Tree

Question

Có một số bài viết về cách mã hóa dữ liệu chủng loại cây Sklearn decission, nhưng từ tài liệu Sklearn, chúng tôi đã nhận những

Some advantages of decision trees are:

(...)

Able to handle both numerical and categorical data. Other techniques are usually specialised in analysing datasets that have only one type of variable. See algorithms for more information.

Nhưng chạy kịch bản sau đây

import pandas as pd 
from sklearn.tree import DecisionTreeClassifier 

data = pd.DataFrame() 
data['A'] = ['a','a','b','a'] 
data['B'] = ['b','b','a','b'] 
data['C'] = [0, 0, 1, 0] 
data['Class'] = ['n','n','y','n'] 

tree = DecisionTreeClassifier() 
tree.fit(data[['A','B','C']], data['Class']) 

kết quả đầu ra được lỗi sau:

Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "/usr/local/lib/python2.7/site-packages/sklearn/tree/tree.py", line 154, in fit 
    X = check_array(X, dtype=DTYPE, accept_sparse="csc") 
    File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 377, in check_array 
    array = np.array(array, dtype=dtype, order=order, copy=copy) 
ValueError: could not convert string to float: b 

Tôi biết rằng trong R có thể truyền dữ liệu phân loại, với Sklearn, có thể không?

Answer 1

Trái ngược với câu trả lời được chấp nhận, tôi muốn sử dụng các công cụ được cung cấp bởi Scikit-Tìm hiểu cho mục đích này. Lý do chính để làm như vậy là chúng có thể dễ dàng được tích hợp trong một số Pipeline.

Scikit-Learn chính nó cung cấp các lớp học rất tốt để xử lý dữ liệu phân loại. Thay vì viết chức năng tùy chỉnh của bạn, bạn nên sử dụng LabelEncoder là được thiết kế đặc biệt cho mục đích này.

Tham khảo các mã sau đây từ các tài liệu:

le = preprocessing.LabelEncoder() 
le.fit(["paris", "paris", "tokyo", "amsterdam"]) 
le.transform(["tokyo", "tokyo", "paris"]) 

này sẽ tự động mã hóa chúng thành số cho thuật toán học máy tính của bạn. Bây giờ điều này cũng hỗ trợ quay trở lại chuỗi từ số nguyên. Bạn có thể thực hiện việc này bằng cách chỉ cần gọi inverse_transform như sau:

list(le.inverse_transform([2, 2, 1])) 

Điều này sẽ trả lại ['tokyo', 'tokyo', 'paris']. Cũng xin lưu ý rằng đối với nhiều loại phân loại khác, ngoài cây quyết định, chẳng hạn như hồi quy logistic hoặc SVM, bạn muốn mã hóa các biến phân loại của mình bằng cách sử dụng One-Hot encoding. Scikit-learning hỗ trợ điều này cũng như thông qua các lớp học OneHotEncoder.

Hy vọng điều này sẽ hữu ích!

Answer 2

Sklearn Quyết định Cây không xử lý chuyển đổi chuỗi phân loại thành số. Tôi đề nghị bạn tìm thấy một chức năng trong Sklearn (có thể this) mà nên hay tự viết một số mã như:

def cat2int(column): 
    vals = list(set(column)) 
    for i, string in enumerate(column): 
     column[i] = vals.index(string) 
    return column