具有大量字符串变量的数据帧上的Scikitlearn Gaussiannb

Question

所以我一直试图在这样的数据帧上建立一个朴素的Baynes预测，根据3个分类变量预测目标（1/0）：

Target  ConsumerType    MostSigWeekday  MostSigDayPart
  1             c             Monday           Morning
  1             y             Friday           Morning
  0             bb            Sunday           Morning
  1             ki           Thursday          Evening
  0            yoe            Monday           Evening

我的问题是GaussianNB（）函数不喜欢字符串：

^{pr2}$

因此，我试图通过将所有这些变量叠加成一个-['MostSig']来构建一个CountVector:

MostSigonly = pivoted_data['MostSig']
count_vect = CountVectorizer()
vect = CountVectorizer() 
train = vect.fit_transform(MostSigonly)

这个向量化步骤是可行的，GaussianNB确实给出了一些结果，但是没有比较所有三个列，模型预测的是单个变量，我得到了这样一个不合理的结果：

model2 = GaussianNB()
trained = model2.fit(train_data,target)
c_pred = trained.predict(train_data)

print("Number of mislabeled points out of a total %d points : %d" \
      % (train_data.shape[0],(target != c_pred).sum()))

总共47121个点中错误标记的点数：30839

我的问题是，如何正确地矢量化变量？ 或者更广泛地问，我应该如何处理这个问题？在

抱歉，我已经搜索了好几天了，但仍然没有解决问题的线索。在

先谢谢你！在