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 .