如何对python中的String列进行线性回归？

Question

我有一个包含 2 列的 csv 文件。一列有字符串毒性 cmets，另一列有浮动毒性值 0 到 1。（当毒性值接近 1 时，cmets 毒性更大）。

我想进行线性回归以正确预测有毒值的数量。

为此，我首先将“注释”（字符串）列转换为整数：

train['comment']= pd.to_numeric(train['comment'], errors='coerce').fillna(0).astype(np.int64)

然后，我为线性回归编写了代码：

linX = train.iloc[:, 0].values.reshape(-1,1)
linY = train.iloc[:, 1].values.reshape(-1,1)

lr = LinearRegression()
lr.fit(linX, linY)
Y_pred = lr.predict(linX)

plt.scatter(linX,linY)
plt.plot(linX,Y_pred, color='red')

这行得通，但我认为我做得不对。因为那个回归表对我来说似乎不正确：

我无法解决问题。我的问题是；

我的线性回归代码是否正确？

我应该将“毒性”列与 0 值分开吗？

Answer 1

我不确定使用下面的代码将字符串转换为数值是否会返回您正在寻找的结果。

pd.to_numeric(train['comment'], errors='coerce') 

此代码仅更改字符串 cmets 的变量类型。字符串 cmets 无法转换为整数。 coerce 可选参数使字符串转换为 NaN 值，NaN 值用 fillna 转换为零。

要使用机器学习技术解决文本分类问题，您需要使用 TF-IDF 等技术对数据进行预处理。