TypeError：无法使用灵活类型执行归约答案

【问题标题】：TypeError: cannot perform reduce with flexible typeTypeError：无法使用灵活类型执行归约
【发布时间】：2015-04-08 05:00:33
【问题描述】：

我一直在使用 scikit-learn 库。我正在尝试使用 scikit-learn 库下的高斯朴素贝叶斯模块，但我遇到了以下错误。 TypeError: 无法使用灵活类型执行 reduce

下面是代码sn-p。

training = GaussianNB()
training = training.fit(trainData, target)
prediction = training.predict(testData)

这是目标

['ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'ALL', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML', 'AML']

这是训练数据

[['-214' '-153' '-58' ..., '36' '191' '-37']
['-139' '-73' '-1' ..., '11' '76' '-14']
['-76' '-49' '-307' ..., '41' '228' '-41']
..., 
['-32' '-49' '49' ..., '-26' '133' '-32']
['-124' '-79' '-37' ..., '39' '298' '-3']
['-135' '-186' '-70' ..., '-12' '790' '-10']]

下面是堆栈跟踪

Traceback (most recent call last):
File "prediction.py", line 90, in <module>
  gaussianNaiveBayes()
File "prediction.py", line 76, in gaussianNaiveBayes
  training = training.fit(trainData, target)
File "/Library/Python/2.7/site-packages/sklearn/naive_bayes.py", line 163, in fit
  self.theta_[i, :] = np.mean(Xi, axis=0)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy/ core/fromnumeric.py", line 2716, in mean
  out=out, keepdims=keepdims)
File "/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy/core/_methods.py", line 62, in _mean
  ret = um.add.reduce(arr, axis=axis, dtype=dtype, out=out, keepdims=keepdims)
TypeError: cannot perform reduce with flexible type

【问题讨论】：

标签： python python-2.7 scikit-learn

【解决方案1】：

当您尝试对字符串类型的值应用 prod 时，例如：

['-214' '-153' '-58' ..., '36' '191' '-37']

你会得到错误。

解决方案：只附加像[1,2,3] 这样的整数值，您将获得预期的输出。

如果值在追加之前是字符串格式，则可以在数组中将类型转换为int类型并将其存储在list中。

【讨论】：

【解决方案2】：

看起来你的“trainData”是一个字符串列表：

['-214' '-153' '-58' ..., '36' '191' '-37']

将您的“trainData”更改为数字类型。

 import numpy as np
 np.array(['1','2','3']).astype(np.float)

【讨论】：

@JAB 为什么我们需要数字类型的数据？
@RohitChopra 是您的问题，为什么您不能对字符串进行数学运算？或者，为什么 numpy 不进行幕后转换？