sklearn处理有String类型的数据

sklearn处理有String类型的数据

• 因为老师给的数据中既有数值型也有字符串类型的数据，用sklearn的时候会有"ValueError: could not convert string to float"的错误，意识到sklearn能直接处理的只有数值型的数据，花了一下午时间终于找到了一些一些解决方法。
  附上链接：数据预处理
  sklearn的决策树能够处理字符串数据吗
  一个讨论帖

最后自己的实现代码如下：

import graphviz
import pandas as pd
from sklearn import tree
from sklearn.model_selection import train_test_split

filename = 'crx.data'
re = pd.read_csv(filename)
data = re.dropna(axis=0, how='any')

data_symbol = data.iloc[:, 0:15]
data_target = data.iloc[:, 15]
# d = pd.get_dummies(data, sparse=True)
# print(data_symbol)
# print(data_target)
symbol = pd.get_dummies(data_symbol, sparse=True)

Xtrain,Xtest,Ytrain,Ytest = train_test_split(symbol,data_target,test_size=0.3)
# print(Xtrain)
# print(Xtest)
clf = tree.DecisionTreeClassifier()

clf = clf.fit(Xtrain,Ytrain)
score = clf.score(Xtest,Ytest)


dot_data = tree.export_graphviz(clf
                                ,class_names=["+","-"]
                                ,filled=True
                                ,rounded=True)


graph = graphviz.Source(dot_data)

graph.view()

部分数据如下，col16为分类标签

最后的决策树：

感觉特征标签应该再定义一下，之后应该会不断改进