sklearn-LinearRegression：无法将字符串转换为浮点数：'--'

Question

我正在尝试使用 sklearn 的 LinearRegression，我得到了 'Could not convert a string to float'。数据帧的所有列都是浮点数，输出 y 也是浮点数。我看过其他帖子，建议是转换为浮点数，我已经完成了。

<class 'pandas.core.frame.DataFrame'>
Int64Index: 789 entries, 158 to 684
Data columns (total 8 columns):
f1     789 non-null float64
f2     789 non-null float64
f3     789 non-null float64
f4     789 non-null float64
f5     789 non-null float64
f6     789 non-null float64
OFF    789 non-null uint8
ON     789 non-null uint8
dtypes: float64(6), uint8(2)
memory usage: 44.7 KB

type(y_train)
pandas.core.series.Series
type(y_train[0])
float

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,Y,random_state=0)
X_train.head()
from sklearn.linear_model import LinearRegression
linreg = LinearRegression().fit(X_train, y_train)

我得到的错误是

ValueError                                Traceback (most recent call last)
<ipython-input-282-c019320f8214> in <module>()
      6 X_train.head()
      7 from sklearn.linear_model import LinearRegression
----> 8 linreg = LinearRegression().fit(X_train, y_train)
510         n_jobs_ = self.n_jobs
    511         X, y = check_X_y(X, y, accept_sparse=['csr', 'csc', 'coo'],
--> 512                          y_numeric=True, multi_output=True)
    513 
    514         if sample_weight is not None and np.atleast_1d(sample_weight).ndim > 1:

 527         _assert_all_finite(y)
    528     if y_numeric and y.dtype.kind == 'O':
--> 529         y = y.astype(np.float64)
    530 
    531     check_consistent_length(X, y)

ValueError: could not convert string to float: '--'

请帮忙。

Answer 1

一个快速的解决方案是使用 pd.to_numeric 将您的数据可能包含的任何字符串转换为数值。如果它们与转换不兼容，它们将减少到 NaNs。

from sklearn.linear_model import LinearRegression

X = X.apply(pd.to_numeric, errors='coerce')
Y = Y.apply(pd.to_numeric, errors='coerce')

此外，您可以选择用一些默认值填充这些值：

X.fillna(0, inplace=True)
Y.fillna(0, inplace=True)

用与您的问题相关的任何内容替换填充值。我不建议删除这些行，因为您最终可能会删除 X 和 Y 中的不同行，从而导致数据标签不匹配。

最后，拆分并调用你的分类器：

X_train, X_test, y_train, y_test = train_test_split(X, Y, random_state=0)
clf = LinearRegression().fit(X_train, y_train)

Answer 2

我认为使用标签编码或一种热编码将所有字符串列转换为二进制 (0,1) 比我们的线性回归表现更好。!!

Answer 3

这是因为您的其中一列包含字符串值。我遇到了同样的问题，因为有人要求我删除一个专栏，但我不必这样做，因为这些专栏已经被删除了。

但是，在执行此代码后：

model = LogisticRegressionCV(solver='lbfgs', cv=5, max_iter=1000, random_state=42)
model.fit(X_train, y_train)

我有这个错误：

could not convert string to float: 'product_mng'

原因是 X_train 仍然有字符串列，我认为它被删除了。作为结论，请再次检查您的所有列都不是字符串。如果有，用pd.drop删除，或者label encode（或1-hot encode）这个字符串列。

sklearn-LinearRegression：无法将字符串转换为浮点数：'--'

sklearn-LinearRegression: could not convert string to float: '--'

python

pandas

scikit-learn

valueerror