Scikit Learn：Logistic回归误差

Question

我正在尝试使用scikit learn对我的数据（6个分类，1个整数）进行逻辑回归。我正在关注scikit learn文档，但在尝试拟合我的数据时，我收到以下值错误。有人可以帮忙。

#Below are the variables of my data.
train_data.dtypes
    OUTPUT
    TripType                 category
    VisitNumber              category
    Weekday                  category
    Upc                      category
    ScanCount                   int64
    DepartmentDescription    category
    FinelineNumber           category
    dtype: object


X = train_data.loc[:, 'VisitNumber':'FinelineNumber']
Y = train_data.loc[:, 'TripType':'TripType']
logreg = linear_model.LogisticRegression()
logreg.fit(X, Y)

**ValueError: could not convert string to float: GROCERY DRY GOODS**

Answer 1

Scikit-learn只能处理数字特征。有关如何继续处理案例的一些想法，请参阅scikit-learn文档中的Encoding Categorical Features。

Answer 2

您不能直接将类别名称用作逻辑回归中的要素。您需要将它们转换为某些编码向量（或虚拟变量）。如果您有6个类别，则需要使用5个虚拟变量。

您可以在以下sklearn包链接中查看Encoding Categorical Features部分： http://scikit-learn.org/stable/modules/preprocessing.html