SVC (Support Vector Classification) mit kategorialen (String) Daten als Label

Question

Ich verwende scikit-learn um einen einfachen überwachten Lernalgorithmus zu implementieren. Im Wesentlichen folge ich dem Tutorial here (aber mit meinen eigenen Daten).

Ich versuche, um das Modell zu passen:

clf = svm.SVC(gamma=0.001, C=100.) 
clf.fit(features_training,labels_training) 

Aber in der zweiten Zeile, erhalte ich eine Fehlermeldung: ValueError: could not convert string to float: 'A'

Der Fehler wird erwartet, weil label_training String-Werte enthält, die drei verschiedenen Kategorien darstellen, wie zum als A, B, C.

Die Frage ist also: Wie verwende ich SVC (Support-Vektor-Klassifikation), wenn die markierten Datenkategorien in Form von Zeichenkette darstellen. Eine intuitive Lösung für mich scheint einfach jede Zeichenfolge in eine Zahl zu konvertieren. Zum Beispiel A = 0, B = 1 usw. Aber ist das wirklich die beste Lösung?

Answer 1

Werfen Sie einen Blick auf http://scikit-learn.org/stable/modules/preprocessing.html#encoding-categorical-featuressection 4.3.4 Encoding categorical features.

Insbesondere sehen die OneHotEncoder verwenden. Dadurch werden kategorische Werte in ein Format konvertiert, das von SVMs verwendet werden kann.

Answer 2

können Sie diesen Code versuchen:

from sklearn import svm 
X = [[0, 0], [1, 1],[2,3]] 
y = ['A', 'B','C'] 
clf = svm.SVC(gamma=0.001, C=100.) 
clf.fit(X, y) 
clf.predict([[2,3]]) 

Ausgang: Array ([ 'C'], dtype = '| S1')

Sie sollten die abhängige Variable nehmen (y) als 'Liste'.