使用分类变量的 sklearn 线性回归

Question

我正在尝试使用 sk-learn 在 Python 中运行通常的线性回归，但是我有一些我不知道如何处理的分类数据，尤其是因为我使用 Pandas 导入了数据read.csv()并且我从以前的经验和阅读中学到了Pandas 和 sk-learn 相处得不太好（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 预测薪水，其中 League 和 EastDivision 是分类的。

如果我通过 numpy's 导入数据，loadtext()我会得到一个 numpy 数组，理论上我可以与 sklearn 一起使用，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])时出现错误，错误是

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  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'

我不知道如何修复它，另一件事是，一旦我获得了分类数据，我该如何运行回归？就好像分类变量是另一个数字变量一样？

我发现了几个与我类似的问题，但没有一个真正适合我。

Answer 1

基本上发生的情况是，您将 1 和 0 的向量传递给一个函数，该函数将采用键和值（如字典）并为您创建一个表

D = [{'foo': 1, 'bar': 2}, {'foo': 3, 'baz': 1}]

会变成

array([[ 2.,  0.,  1.],
       [ 0.,  1.,  3.]])

或者

|bar|baz|foo  |<br>
|---|---|-----|<br>
| 2 | 0 | 1   |<br>
| 0 | 0 | 3   |<br>

阅读： http ://scikit-learn.org/stable/modules/ generated/sklearn.feature_extraction.DictVectorizer.html

在您的情况下，数据已准备好进行线性回归，因为联赛和东区的功能已经是虚拟的。