我正在尝试oneHotEncode我的Pandas数据帧的分类变量,其中包括分类和连续变量.我意识到这可以通过pandas .get_dummies()函数轻松完成,但我需要使用管道,以便稍后我可以生成PMML文件.
这是创建映射器的代码.我想编码的分类变量存储在名为“dummies”的列表中.
from sklearn_pandas import DataFrameMapper
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import LabelEncoder
mapper = DataFrameMapper(
[(d,LabelEncoder()) for d in dummies] +
[(d,OneHotEncoder()) for d in dummies]
)
from sklearn2pmml import PMMLPipeline
from sklearn.linear_model import LinearRegression
lm = PMMLPipeline([("mapper",mapper),("regressor",LinearRegression())])
当我现在尝试拟合(‘features’是一个数据帧,并且’目标’是一个系列)时,它会给出一个错误’无法将字符串转换为浮点数’.
lm.fit(features,targets)
谁可以帮助我？我非常渴望工作管道,包括数据的预处理……提前谢谢！
OneHotEncoder不支持字符串功能,而[d,OneHotEncoder())用于d in dummies]你将它应用于所有虚拟列.请改用LabelBinarizer：
mapper = DataFrameMapper(
[(d,LabelBinarizer()) for d in dummies]
)
另一种方法是使用LabelEncoder和第二个OneHotEncoder步骤.
mapper = DataFrameMapper(
[(d,LabelEncoder()) for d in dummies]
)
lm = PMMLPipeline([("mapper",("onehot" OnehotEncoder()),LinearRegression())])
