Question

我使用的是sklearn版本0.16.1。似乎FeatureHasher不支持字符串（如DictVectorizer所做的那样）。例如：

values = [
          {'city': 'Dubai', 'temperature': 33.},
          {'city': 'London', 'temperature': 12.},
          {'city': 'San Fransisco', 'temperature': 18.}
          ]

print("Starting FeatureHasher ...")
hasher = FeatureHasher(n_features=2)
X = hasher.transform(values).toarray()
print X

但收到以下错误：

    _hashing.transform(raw_X, self.n_features, self.dtype)
  File "_hashing.pyx", line 46, in sklearn.feature_extraction._hashing.transform (sklearn\feature_extraction\_hashing.c:1762)
TypeError: a float is required

我无法使用DictVectorizer因为我的数据集很大而且功能具有很高的基数，所以我得到了一个MemoryError。有什么建议吗？

更新（2016年10月）：

正如NirIzr评论的那样，现在支持这一点，因为sklearn开发团队在https://github.com/scikit-learn/scikit-learn/pull/6173

中解决了这个问题

FeatureHasher应该正确处理版本0.18的字符串字典值。

Answer 1

对于非数字功能，最好的选择是自己转换键，类似于DictVectorizer的做法。

values = [
      {'city_Dubai':1., 'temperature': 33.},
      {'city_London':1., 'temperature': 12.},
      {'city_San Fransisco':1., 'temperature': 18.}
      ]

您可以使用python函数执行此操作。

def transform_features(orig_dict):
    transformed_dict = dict()
    for name, value in orig_dict.iteritems():
        if isinstance(value , str):
            name = "%s_%s" % (name,value)
            value = 1.
        transformed_dict[name] = value
    return transformed_dict

使用示例：

transform_features({'city_Dubai':1., 'temperature': 33.})
# Returns {'city_Dubai': 1.0, 'temperature': 33.0}

Answer 2

现在支持此功能，因为sklearn开发团队在https://github.com/scikit-learn/scikit-learn/pull/6173

中解决了此问题

NSDate应该正确处理版本0.18的字符串字典值。

请注意，FeatureHasher和FeatureHasher之间仍有差异。也就是说，DictVectorizer仍会处理DictVectorizer值（虽然我很好奇），而None明确抱怨它与OP遇到的错误相同。

如果您仍然遇到＆＃34; TypeError：需要浮动＆＃34;使用sklearn版本＆gt; = 0.18，可能是由于此问题，您的值为FeatureHasher。

没有简单的方法来调试它，我最终修改了sklearn的代码以捕获TypeError异常并打印提供的最后一项。我是通过修改None

顶部的_iteritems()函数完成的

Answer 3

这是一个众所周知的问题： FeatureHasher当前不支持其dict输入格式的字符串值

https://github.com/scikit-learn/scikit-learn/issues/4878

TypeError：sklearn.feature_extraction.FeatureHasher中需要一个float

更新（2016年10月）：

3 个答案: