web-dev-qa-db-ja.com

sklearn-LinearRegression：文字列をfloatに変換できませんでした： '-'

SklearnからLinearRegressionを使用しようとしていますが、「文字列をfloatに変換できませんでした」というメッセージが表示されます。データフレームのすべての列はfloatであり、出力yもfloatです。私は他の投稿を見てきました、そして提案は私がしたフロートに変換することです。

<class 'pandas.core.frame.DataFrame'>
Int64Index: 789 entries, 158 to 684
Data columns (total 8 columns):
f1     789 non-null float64
f2     789 non-null float64
f3     789 non-null float64
f4     789 non-null float64
f5     789 non-null float64
f6     789 non-null float64
OFF    789 non-null uint8
ON     789 non-null uint8
dtypes: float64(6), uint8(2)
memory usage: 44.7 KB

type(y_train)
pandas.core.series.Series
type(y_train[0])
float

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,Y,random_state=0)
X_train.head()
from sklearn.linear_model import LinearRegression
linreg = LinearRegression().fit(X_train, y_train)

私が得るエラーは

ValueError                                Traceback (most recent call last)
<ipython-input-282-c019320f8214> in <module>()
      6 X_train.head()
      7 from sklearn.linear_model import LinearRegression
----> 8 linreg = LinearRegression().fit(X_train, y_train)
510         n_jobs_ = self.n_jobs
    511         X, y = check_X_y(X, y, accept_sparse=['csr', 'csc', 'coo'],
--> 512                          y_numeric=True, multi_output=True)
    513 
    514         if sample_weight is not None and np.atleast_1d(sample_weight).ndim > 1:

 527         _assert_all_finite(y)
    528     if y_numeric and y.dtype.kind == 'O':
--> 529         y = y.astype(np.float64)
    530 
    531     check_consistent_length(X, y)

ValueError: could not convert string to float: '--'

助けてください。

pythonpandasscikit-learnvalueerror
5
Tinniam V. Ganesh

簡単な解決策は、pd.to_numericを使用して、データに含まれる可能性のある文字列を数値に変換することです。変換と互換性がない場合は、NaNsに削減されます。

from sklearn.linear_model import LinearRegression

X = X.apply(pd.to_numeric, errors='coerce')
Y = Y.apply(pd.to_numeric, errors='coerce')

さらに、これらの値にデフォルトを入力することを選択できます。

X.fillna(0, inplace=True)
Y.fillna(0, inplace=True)

塗りつぶしの値を、問題に関連するものに置き換えます。これらの行を削除することはお勧めしません。XとYから異なる行を削除すると、データラベルの不一致が発生する可能性があるためです。

最後に、分類子を分割して呼び出します。

X_train, X_test, y_train, y_test = train_test_split(X, Y, random_state=0)
clf = LinearRegression().fit(X_train, y_train)
5
cs95

線形回帰の動作がはるかに良くなるよりも、ラベルエンコーディングまたは1つのホットエンコーディングを使用して、すべての文字列列をbinary（0,1）に変換する方が良いと思います。

0
Sagar Narula