机器学习特性-engine MeanEncoder给出癌症数据集的错误

Question

我正在处理威斯康星州的乳腺癌数据集，发现了这里。特征工程在机器学习中是很重要的，所以我的一位老师推荐了一个发现这里的库中的这里部分。dataframe看起来如下所示：

​

​

我确实将诊断特性/列更改为类别，因为其中一个错误说这可能是问题，但显然不是，因为它还没有解决。

我的意思是使用上面链接的库中的MeanEncode编码目标特性/列。下面是我尝试这样做的功能：

def MeanEncoding(self):
   # Get the columns besides the target variable at the front, which is diagnosis, as recommended by teacher.
   cols = self.m_df.iloc[:, 1:].columns.to_list()

   # Save specifically the target variable too.
   target = self.m_df.iloc[:, 0]

   # Now get the object ready.
   encoder = MeanEncoder(variables=cols)

   print('---Fitting---')

   encoder.fit(self.m_df.drop('diagnosis', axis=1), target)

在此代码中：

1. m_df --只有数据格式，所以才有"df“。
2. 我在encoder.fit的第一个参数中删除了诊断列/特性，因为它是在同一个函数的第二个参数中提供的。但这没什么意义。因为我仍然收到错误："TypeError:有些变量不是绝对变量。请在调用此转换器之前将它们转换为对象或类别。“

现在，我在想，“不可能，我必须把‘radius_ to’，‘织构_均号’等数字特征转换成类别或对象?这是0的道理”。当然，我在谷歌上搜索了这个错误，它把我带到了这根线。这个人和我一样也有类似的担忧，除了有不同的功能。对他的建议是“在使用imputer之前，只需将年级列的dtype更改为object”，所以我还用以下代码更改了这些类型：

for i in range(1, len(self.m_df.columns)):
   columnName = self.m_df.columns[i]
   self.m_df[columnName] = self.m_df[columnName].astype('object')

对我来说没有意义，因为它正在转换真正的数字列/特性的类型。我得到了这个错误，这是预料中的：

pandas.core.base.DataError: No numeric types to aggregate

现在我想它只需要几个数字类型，所以我稍微修改了代码：

  for i in range(1, len(self.m_df.columns) - 2):
      columnName = self.m_df.columns[i]
      self.m_df[columnName] = self.m_df[columnName].astype('object')

这实际上只剩下最后2列为float64类型，因此所有其他列都是类型对象(除了诊断列，它是类别，但我怀疑这有什么关系)。现在出现了一些数字类型。不过，我还是会再犯错误

TypeError: Some of the variables are not categorical. Please cast 
them as object or category before calling this transformer

我显然遗漏了一些东西，但不确定是什么。无论我如何改变类型以满足函数，它都是错误的。

Answer 1

来自Feature的MeanEncoder以及所有其他的特性引擎编码器，默认情况下只处理作为对象或类别的变量。

因此，在代码行中的列表cols中捕获的变量：cols = self.m_df.iloc[:, 1:].columns.to_list()应该只包含分类变量(对象或类别)。

当您在这里设置编码器：encoder = MeanEncoder(variables=cols)时，在variables中，您指示要编码的变量。如果您传递cols，这意味着要对cols列表中的所有变量进行编码。因此，您需要确保它们都是类型、类别或对象。

如果您得到错误："TypeError: Some of the variables are not categorical. Please cast them as object or category before calling this transformer"，这意味着cols中的某些变量不是对象或类别的类型。

如果要对数值变量进行编码，有两个选项: 1)将要编码的变量重新编码为对象。2)根据ignore_format=True设置参数变压器文件。这应该能解决你的问题。