决策树中catagoricl data的处理

数据集：西瓜数据集3.0

遇到问题：
色泽、根蒂等属性不是continuous values,在训练决策树模型时无法直接使用。

解决办法：
参考sklearn官方文档

1.导入数据

import pandas as pd
data = pd.read_csv(data_path, index_col=0)
data = pd.DataFrame(data)

1.OrdinalEncoder()对色泽到触感的属性进行处理

from sklearn import preprocessing
X1 = data.iloc[:,0:6].values # 取出前6个catagorical类型的属性
le = preprocessing.OrdinalEncoder()
le.fit(X1) #给出具体的属性取值，训练标签
X1 = le.transform(X1)# 用训练好的标签对所有属性值重新标注

X = np.hstack((X1,data.iloc[:,6:-1])) #与7、8两列的连续属性值重新合并，完成特征的处理过程

2.LabelEncoder()对“是”“否”的标签进行处理

Y = data.iloc[:,-1].values # 标签
le = preprocessing.LabelEncoder()
le.fit(Y)
Y = le.transform(Y)
print(Y)

3.查看处理后的数据集

Y = np.reshape(Y,(17,1))
print(np.hstack((X,Y))