Je veux appliquer un pipeline avec & numériques variables comme ci-dessousvariables qualitatives dans la canalisation
import numpy as np
import pandas as pd
from sklearn import linear_model, pipeline, preprocessing
from sklearn.feature_extraction import DictVectorizer
df = pd.DataFrame({'a':range(12), 'b':[1,2,3,1,2,3,1,2,3,3,1,2], 'c':['a', 'b', 'c']*4, 'd': ['m', 'f']*6})
y = df['a']
X = df[['b', 'c', 'd']]
Je crée des indices pour numériques
numeric = ['b']
numeric_indices = np.array([(column in numeric) for column in X.columns], dtype = bool)
& pour les variables
categorical = ['c', 'd']
categorical_indices = np.array([(column in categorical) for column in X.columns], dtype = bool)
Ensuite, je crée un pipeline
regressor = linear_model.SGDRegressor()
encoder = DictVectorizer(sparse = False)
estimator = pipeline.Pipeline(steps = [
('feature_processing', pipeline.FeatureUnion(transformer_list = [
#numeric
('numeric_variables_processing', pipeline.Pipeline(steps = [
('selecting', preprocessing.FunctionTransformer(lambda data: data[:, numeric_indices])),
('scaling', preprocessing.StandardScaler(with_mean = 0.))
])),
#categorical
('categorical_variables_processing', pipeline.Pipeline(steps = [
('selecting', preprocessing.FunctionTransformer(lambda data: data[:, categorical_indices])),
('DictVectorizer', encoder)
])),
])),
('model_fitting', regressor)
]
)
et je reçois
estimator.fit(X, y)
ValueError: could not convert string to float: 'f'
Je sais que je dois appliquer encoder.fit() dans le pipeline, mais ne comprends pas comment l'appliquer Ou nous détestons à utiliser pré-traitement .OneHotEncoder() mais encore une fois nous avons besoin de convertir la chaîne en float
Comment l'améliorer?