python数据分类模型_用ScikitLearn建立分类数据的回归模型

我有一个超过10列的CSV文件，有些列有分类数据，有些分类列只有yes和{}值，有些列有颜色(green，blue，red…)，有些列有其他字符串值。在

有没有一种方法可以使回归模型包含所有列？在

我知道yes和no值可以表示为1和0，但我读到用数字表示颜色名称或城市名称并不好。

有更好的/正确的方法吗？在

以下是包含伪数据的简单代码：import pandas as pd

from sklearn.linear_model import LinearRegression

df = pd.DataFrame({'par1':[1,3,5,7,9, 11,13],

'par2':[0.2, 0.4, 0.5, 0.7, 1, 1.2, 1.45],

'par3':['yes', 'no', 'no', 'yes', 'no', 'yes', 'no'],

'par4':['blue', 'red', 'red', 'blue', 'green', 'green', 'blue'],

'output':[103, 310, 522, 711, 921, 1241, 1451]})

print(df)

features = df.iloc[:,:-1]

result = df.iloc[:,-1]

reg = LinearRegression()

model = reg.fit(features, result)

prediction = model.predict([[2, 0.33, 'no', 'red']])

reg_score = reg.score(features, result)

print(prediction, reg_score)

在我使用的实际数据集中，这些字符串值对数据集非常重要，因此我不能只删除该列