【问题标题】：SelectKBest with chi2 gives ValueError: could not convert string to floatSelectKBest with chi2 给出 ValueError: could not convert string to float
【发布时间】：2019-12-18 11:13:13
【问题描述】：
我正在尝试使用 SelectKBest 和 chi2 (SelectKBest(chi2, k=5)) 对分类变量应用特征选择。但是出现字符串无法转换为浮点数的值错误。我知道解决方法是使用 pd.get_dummies() 将分类变量转换为虚拟变量。但为什么会这样呢？卡方统计检验是对两个分类变量进行双变量分析，那为什么不接受分类变量呢？
【问题讨论】：
标签：
python
scikit-learn
feature-selection
【解决方案1】：
在这种情况下，卡方测量特征值（X）和类（y）之间的对应关系。为此，它需要来自目标变量的类频率和每个类的特征值总和。然后，它将每个类的值的这种“理想”分布（即X 值的总和乘以类频率）与实际分布（即每个类的实际值的总和）进行比较，以获得您的卡方值。详情请见here。