使用可比较的frozensets作为机器学习中的特征值

Question

我的功能值为freezeset，这会导致scikit的训练功能失败：

Traceback (most recent call last):
  File "/home//PycharmProjects/assortclassifier.py", line 237, in _train
    model = self.train(featureset, classes=labels, partial=partial)
  File "/home//PycharmProjects/assorted/tclassifier.py", line 94, in train
    X = self._vectorizer.fit_transform(X)
  File "/home//anaconda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.py", line 224, in fit_transform
    return self._transform(X, fitting=True)
  File "/home//anaconda/lib/python2.7/site-packages/sklearn/feature_extraction/dict_vectorizer.py", line 172, in _transform
    values.append(dtype(v))
TypeError: float() argument must be a string or a number

v是一个冷冻集：

v=frozenset([u'HY', u'N'])

那么如何训练使用freezeset或者我应该将冷冻集转换成哈希值，从而失去了解特征值的可能性？或将其转换为已排序的元组？ 这可能与this question

有关

此外，我希望分类器学习freezeset（[u'HY'，u'N']）类似于frozenset（[u'HY']）如果我存储哈希我可能无法实现这一点因为两个哈希都不可比（我的假设）。