以分类（字符串）数据作为标签的 SVC（支持向量分类）答案

【问题标题】：SVC (support vector classification) with categorical (string) data as labels以分类（字符串）数据作为标签的 SVC（支持向量分类）
【发布时间】：2016-11-29 19:17:16
【问题描述】：

我使用scikit-learn 来实现一个简单的监督学习算法。本质上，我遵循教程here（但使用我自己的数据）。

我尝试拟合模型：

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

但是在第二行，我得到一个错误：ValueError: could not convert string to float: 'A'

该错误是意料之中的，因为label_training 包含代表三个不同类别的字符串值，例如A、B、C。

所以问题是：如果标记的数据以字符串形式表示类别，我该如何使用 SVC（支持向量分类）。对我来说，一个直观的解决方案似乎只是将每个字符串转换为一个数字。比如A = 0、B = 1等。但这真的是最好的解决方案吗？

【问题讨论】：

标签： python machine-learning scikit-learn svm

【解决方案1】：

看看http://scikit-learn.org/stable/modules/preprocessing.html#encoding-categorical-featuressection 4.3.4 Encoding categorical features.

特别注意使用OneHotEncoder。这会将分类值转换为 SVM 可以使用的格式。

【讨论】：

您至少应该直接链接到该部分并提及 OneHotEncoder
但是当您尝试预测一种新颜色时，热编码如何帮助您？也许在您的情况下，您必须重新训练模型。你有什么解决办法吗？

【解决方案2】：

你可以试试这个代码：

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]])

输出：数组（['C']， dtype='|S1')

您应该将因变量 (y) 作为“列表”。

【讨论】：