将IMDB数据用于sci-kit回归模型包，其中包含特征变量中的文本值

Question

我有一个包含IMDB电影评级数据的csv文件。该文件有27个功能和1个目标变量。我附上了SampleData。此外，数据集可以从KaggleData下载。 我了解到python的 sklearn 包需要所有数据都是数字。那么如何使用这些数据进行回归分析呢？ 现在我使用了下面的代码，但它说＆＃34;一些导演名字＆＃34;无法转换为浮动。

import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.read_csv('D:\Machine Learning\Final\movie_metadata.csv')
feature_cols = [
                 "director_facebook_likes", 
                 "cast_total_facebook_likes",
                 "movie_facebook_likes",
                 "facenumber_in_poster",
                 "gross",
                 "num_critic_for_reviews",
                 "num_voted_users",
                 "num_user_for_reviews",
                 "duration",
                 "title_year",
                 "content_rating",
                 "budget",
                 "director_name"]
X = df[feature_cols]
y = df.imdb_score
lm = LinearRegression()
lm.fit(X, y)
print (lm.intercept_)
print (lm.coef_)

Answer 1

最简单的是pd.get_dummies（）。您可能还会遇到一个热门编码。