Python中文本数据的多输出分类器

Question

我想用scikit learn lib在Python中创建MultiOutputClassifier。我想知道模型的特点和准确性。 我数据库中的所有数据都是分类的（字符串值）。 我知道为什么，但我总是得到这个错误：

ValueError: could not convert string to float: '<=50K'

错误在这行： model = cls.fit(features_train, result_train)

代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn import tree
from sklearn.multioutput import MultiOutputClassifier    

df = pd.read_csv('income_education.csv')

#creating features and results for my model
features = df.iloc[:,-1]
results = df.iloc[:,:-1]    

#spliting my data into train and test
features_train, features_test, result_train, result_test = train_test_split(features, results, test_size = 0.3, random_state = 42)

classifier = MultiOutputClassifier(tree.DecisionTreeClassifier())

#model fitting
cls = classifier
model = cls.fit(features_train, result_train)

pred = model.predict([cv.transform(['more'])])
print(pred)

# How to check accuracy of this classifier

Answer 1

这仅仅是因为分类器需要浮点值，而您提供的是字符串。您需要使用LabelEncoder为标签对字符串进行编码，并使用OneHotEncoding、OrdinalEncoder等对特性进行编码

这里查看这些链接以获取有关使用sklearn编码分类（字符串）值的更多信息

• Label Encoder vs One Hot Encoding
• Encoding Categorical Features
• Tutorial on handling categorical data in Python

更新 阅读Scikit的官方文档，学习对分类值进行编码at this link。你知道吗

Answer 2

代码中的第一个问题是需要对分类列进行编码，而且还需要onehotencoding。第二个问题是需要替换两个变量，即特性和结果