java能使用sklearn吗,使用分类变量使用sklearn进行线性回归

我试图使用sk-learn在Python中运行常规的线性回归，但是我有一些我不确切知道如何处理的分类数据，特别是因为我使用pandas read.csv() 导入数据并且我从之前的经验和读到Pandas和sk-learn相处得不好(还) .

我的数据如下所示：

Salary AtBat Hits League EastDivision

475 315 81 1 0

480 479 130 0 0

500 496 141 1 1

我想使用AtBat，Hits，League和EastDivision来预测薪水，其中League和EastDivision是绝对的 .

如果我通过numpy的 loadtext() 导入数据，我得到一个numpy数组，理论上我可以使用sklearn，但是当我使用DictVectorizer时，我得到一个错误 . 我的代码是：

import numpy as np

from sklearn.feature_extraction import DictVectorizer as DV

nphitters=np.loadtxt('Hitters.csv',delimiter=',', skiprows=1)

vec = DV( sparse = False )

catL=vec.fit_transform(nphitters[:,3:4])

当我运行最后一行 catL=vec.fit_transform(nphitters[:,3:4]) 时，我收到错误，错误是

Traceback (most recent call last):

File "", line 1, in

File "/usr/lib/python2.7/dist-packages/sklearn/feature_extraction/dict_vectorizer.py", line 142, in fit_transform

self.fit(X)

File "/usr/lib/python2.7/dist-packages/sklearn/feature_extraction/dict_vectorizer.py", line 107, in fit

for f, v in six.iteritems(x):

File "/usr/lib/python2.7/dist-packages/sklearn/externals/six.py", line 268, in iteritems

return iter(getattr(d, _iteritems)())

AttributeError: 'numpy.ndarray' object has no attribute 'iteritems'

我不知道如何解决它，另一件事是，一旦我得到分类数据，我该如何运行回归？就像分类变量是另一个数字变量一样？

我发现了几个类似于我的问题，但没有一个问题对我有用 .