Sklearn 尝试将字符串列表转换为浮点数

Question

我正在尝试使 sklearn.svm.SVC(kernel="linear") 算法起作用。我的 X 是一个由 [misc.imread(each).flatten() for each in filenames] 组成的数组，我的 y2 是由 ["A","1","4","F"..] 等字符串组成的列表的一部分。

当我尝试 clf.fit(X,y2) 时，sklearn 尝试将我的字符串列表转换为浮点数但失败，抛出 ValueError: could not convert string to float。我该如何解决这个问题？

编辑：将 sklearn 升级到 0.15 解决了问题。

Answer 1

您需要为每个唯一的字符串标签分配一个唯一的整数。我假设您的 y2 变量包含每个 class.

的多个实例

也许它看起来更像：

y2 = ["A","1","4","F","A","1","4","F"]

现在您可以执行以下操作：

S = set(y2) # collect unique label names
D = dict( zip(S, range(len(S))) ) # assign each string an integer, and put it in a dict
Y = [D[y2_] for y2_ in y2] # store class labels as ints

对于上面的 y2，这会产生：

>>> print Y
[0, 1, 2, 3, 0, 1, 2, 3]

Answer 2

scikit-learn 中有一个助手 class 可以很好地实现这一点，它叫做 sklearn.preprocessing.LabelEncoder:

from sklearn.preprocessing import LabelEncoder
y2 = ["A","1","4","F","A","1","4","F"]
lb = LabelEncoder()
y = lb.fit_transform(y2)
# y is now: array([2, 0, 1, 3, 2, 0, 1, 3])

为了恢复到您的原始标签（例如，在使用 SVC class 化看不见的数据之后），使用 LabelEncoder 的 inverse_transform 来恢复字符串标签：

lb.inverse_transform(y)
# => array(['A', '1', '4', 'F', 'A', '1', '4', 'F'], dtype='|S1')

Sklearn 尝试将字符串列表转换为浮点数

Sklearn trying to convert string list to floats

python

numpy

scikit-learn