Sklearn功能选择

Question

我在没有以下错误的情况下无法使用任何Sklearn功能提取方法：

" TypeError：无法使用灵活类型进行降低"

从示例中工作，特征提取方法似乎仅适用于非分类问题。我当然是，试图解决分类问题。我怎样才能解决这个问题？

示例代码：

from sklearn.feature_selection import RFE
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
import random
# Load data
boston = load_boston()
X = boston["data"]
Y = boston["target"]
# Make a classification problem
classes = ['a', 'b', 'c']
Y = [random.choice(classes) for entry in Y]
# Perform feature selection
names = boston["feature_names"]
lr = LinearRegression()
rfe = RFE(lr, n_features_to_select=1)
rfe.fit(X, Y)
print "Features sorted by their rank:"
print sorted(zip(map(lambda x: round(x, 4), rfe.ranking_), names))

Answer 1

我想以下将解决您的问题。

X = np.array(X, dtype = 'float_')
Y = np.array(X, dtype = 'float_')

在调用fit方法之前要这样做。您也可以使用int_而不是float_。这完全取决于您需要的数据类型。

如果您的标签为string，则可以使用标签编码器将标签编码为整数。

from sklearn import preprocessing    
le = preprocessing.LabelEncoder()
le = le.fit_transform(Y)
model.fit(X, le)