scikit 学习离散化分类数字数据

Question

我正在尝试离散化数据以进行分类。它们的值是字符串，我将它们转换为数字 0,1,2,3。

这就是数据的样子（pandas 数据框）。我已将数据框拆分为 dataLabel 和 dataFeatures

Label   Feat1  Feat2  Feat3
  0        0     3      0
  1        1      1     2
  2        0      2     2
  3        1      3     3

我想使用 scikit learn 的决策树和多项式朴素贝叶斯，并尝试使用 DictVectorizer

来离散化数据

这就是我的

dictvec = dataFeatures.T.to_dict().values()

from sklearn.feature_extraction import DictVectorizer as DV vectorizer = DV( sparse = False ) X = vectorizer.fit_transform(dictvec)

Y = dataLabel.ravel()

这是我对分类器的输入

from sklearn.naive_bayes import MultinomialNB

mnb = MultinomialNB()

from sklearn import metrics
scores = cross_val_score(mnb, Y, X, cv=10, scoring='accuracy')

我收到一个错误 bad input shape (64, 4) 但我不确定这是否与数据的离散化方式有关。

我的问题是 - 这是离散化数据的正确方法吗？我的代码是否正确或是否有更好的方法？

Answer 1

所以错误是 Y 和 X 的顺序错误 - 应该是 scores = cross_val_score(mnb, X, Y, cv=10, scoring='accuracy')。代码现在运行正确 - 通过查看不同的选项 - 我发现使用 OneHotEncoder 比 DictVectorizer

更好

scikit 学习离散化分类数字数据

scikit learn discretizing categorical numeric data

classification

machine-learning

scikit-learn

categorical-data

sklearn-pandas