KNN分类的字符串数据训练：Python
我一直在努力学习如何训练我的数据，即使用字符串数据实现机器学习。我所能理解的是，您可以将字符串数据类型转换为category，但我无法使用LabelEncoder。我听说，我们不应该绘制数据图并将其更改为数字数据，因为它的预测将是错误的。
以下是数据示例：
LP001002,Male,No,0,Graduate,No,5849,0,,360,1,Urban,Y
LP001003,Male,Yes,1,Graduate,No,4583,1508,128,360,1,Rural,N
LP001005,Male,Yes,0,Graduate,Yes,3000,0,66,360,1,Urban,Y
LP001006,Male,Yes,0,Not Graduate,No,2583,2358,120,360,1,Urban,Y
LP001008,Male,No,0,Graduate,No,6000,0,141,360,1,Urban,Y
LP001011,Male,Yes,2,Graduate,Yes,5417,4196,267,360,1,Urban,Y
如您所见，性别（2）、已婚（3）、受抚养人（4）、教育程度（5）、自雇（6）、财产（11）、贷款状态（！2）是字符串。
某些列缺少数据，因此无法使用OneHot编码器。错误：无序类型str（）
我想将其转换为分类类型，并将其用作knn的训练模型。我正在使用python 3.6。
共有1个答案
你要做的是执行one-Hot编码，有一个函数：
http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html
-
译者：bat67 最新版会在译者仓库首先同步。 目前为止，我们以及看到了如何定义网络，计算损失，并更新网络的权重。 现在可能会想， 数据呢？ 通常来说，当必须处理图像、文本、音频或视频数据时，可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成torch.*Tensor。 对于图片，有Pillow，OpenCV等包可以使用 对于音频，有scipy和librosa等包可以使用
-
我想为一个新角色训练我现有的tesseract模型。我已经在 https://github.com/tesseract-ocr/tesseract/wiki/trainingtesseract-4.00#lstmtraining-命令行 （微调？几个字符）（我用的是MAC） 但它不起作用。如果我评估（即使是在训练数据上），它也不能识别±'字符。 我安装了： 通过： 我将以下GitHub存储库克隆到
-
当用整个集合测试时，当使用分类器对一组新的tweet进行测试时，它只返回“中性”作为标签，但当使用30个时，它只返回正，这是否意味着我的训练数据不完整或过于“加权”中性条目，以及我的分类器在使用大约4000个tweet时只返回中性的原因？ 我已经在下面包括了我的完整代码。
-
问题内容： 我目前正在使用MYSQL中的函数，我有另一个表中的逗号分隔字符串（1,22,344,55），如何在MYSQL中将其拆分为数组（不是temp_table）。另外，MYSQL中有类似的函数可以执行foreach（）吗？ 问题答案： MySQL不包含拆分定界字符串的函数。但是，创建自己的函数非常容易。 用法 从这里：http : //blog.fedecarg.com/2009/02/22/
-
本文向大家介绍tensorflow 固定部分参数训练,只训练部分参数的实例，包括了tensorflow 固定部分参数训练,只训练部分参数的实例的使用技巧和注意事项，需要的朋友参考一下 在使用tensorflow来训练一个模型的时候，有时候需要依靠验证集来判断模型是否已经过拟合，是否需要停止训练。 1.首先想到的是用tf.placeholder()载入不同的数据来进行计算，比如 这种方式很简单，也很
-
我试图用下面的代码训练模型，但我一直在方法上收到错误，它告诉我将更改为。为什么？