使用多项朴素贝叶斯分类器时的 ValueError

Question

这是我第一次使用 Scikit，如果问题很愚蠢，我深表歉意。我正在尝试在 UCI 的蘑菇数据集上实现一个朴素贝叶斯分类器，以针对我自己从头开始编码的 NB 分类器测试结果。

数据集是分类的，每个特征都有超过 2 个可能的属性，所以我使用多项式 NB 而不是高斯或伯努利 NB。

但是，我不断收到以下错误 ValueError: could not convert string to float: 'l' ，不知道该怎么办。多项式NB不应该可以取字符串数据吗？

Example line of data - 0th column is the class (p for poisonous and e for edible) and the remaining 22 columns are the features.
p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u

# based off UCI's mushroom dataset http://archive.ics.uci.edu/ml/datasets/Mushroom

df = pd.DataFrame(data)
msk = np.random.rand(df.shape[0]) <= training_percent
train = data[msk]
test =  data[~msk] 

clf = MultinomialNB()
clf.fit(train.iloc[:, 1:], train.iloc[:, 0])

Answer 1

简而言之，不，它不应该能够将字符串作为输入。您必须进行一些预处理，但幸运的是 sklearn 也非常适合。

from sklearn import preprocessing
enc = preprocessing.LabelEncoder()
mushrooms = ['p','x','s','n','t','p','f','c','n','k','e','e','s','s','w','w','p','w','o']
enc.fit(mushrooms)
classes = enc.transform(mushrooms)
print classes
print enc.inverse_transform(classes)

哪些输出

[ 6 10  7  4  8  6  2  0  4  3  1  1  7  7  9  9  6  9  5]
['p' 'x' 's' 'n' 't' 'p' 'f' 'c' 'n' 'k' 'e' 'e' 's' 's' 'w' 'w' 'p' 'w''o']

然后在转换后的数据上进行训练

clf.fit(enc.tranform(train.iloc[:, 1:], train.iloc[:, 0]))

记住：LabelEncoder 只会转换已训练过的字符串，因此请确保正确预处理数据。