使用CatBooked分类器转换分类列

Question

我试图应用CatBoost到我的一个列的分类功能，但得到以下错误：

CatBoostError: Invalid type for cat_feature[non-default value idx=0,feature_idx=2]=68892500.0 : cat_features must be integer or string, real number values and NaN values should be converted to string.

我可以使用一热编码，但是这里的许多人说CatBoost似乎更擅长处理这个问题，不太容易过度拟合模型。

我的数据由三栏组成，“国家”、“年份”、“电话用户”。目标是'国家'和'年份'和'电话用户'是功能。

数据：

Country   year   phone users
Ireland   1989   978
France    1990   854
Spain     1991   882
Turkey    1992   457
...       ...    ...

到目前为止我的代码：

X = df.loc[115:305]
y = df.loc[80:, 0]

cat_features = list(range(0, X_pool.shape[1]))
Output: [0, 1, 2]

X_train, X_val, y_train, y_val = train_test_split(X_pool, y_pool, 
test_size=0.2, random_state=0)

cbc = CatBoostClassifier(iterations=5, learning_rate=0.1)

cbc.fit(X_train, y_train, eval_set=(X_val, y_val), 
cat_features=cat_features, verbose=False)

print("Model Evaluation Stage")

我是否需要运行LabelEncoder之前，适合到catBooked模型？我错过了什么？

Answer 1

正如问题中包含的错误消息中所述，所有分类功能都必须为string类型。要将'phone users'（或任何其他数据框列）转换为字符串，可以使用df['phone users']=df['phone users']。aType（str）。

然后，CatBoost将使用一种热编码或目标编码（取决于所采用的唯一值的数量）对每个分类特征进行内部编码。无需预先使用LabelEncoder或onehotcoder对分类特征进行编码，有关详细信息，请参阅CatBoost文档。