转换数据以执行逻辑回归

Question

我有一个数据集，其中包含2010年至2023年的板球比赛数据。我附上了数据样本以供参考：

Team_1	Team_2	地面	比赛日期
孟加拉国	斯里兰卡	米尔普尔	2010-01-04
印度	澳大利亚	埃德巴斯顿	2010-08-15
南非	英格兰	巴巴多斯	2016-07-03
印度	英格兰	领主们	2015-06-10

我正在尝试创建逻辑回归模型，但收到此错误消息：

#Create regression model
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
trf = ColumnTransformer([('trf', OneHotEncoder(sparse= False, drop= 'first'),['Team_1','Team_2','Ground'])], remainder = 'passthrough')
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline
pipe = Pipeline(steps=[('step1',trf),('step2', LogisticRegression(solver = 'liblinear'))])
pipe.fit(X_train, Y_train)`

错误信息：

ValueError: could not convert string to float: 'India'

我尝试对 Team_1、Team_2 和 Ground 列进行热编码以在逻辑回归中使用

Answer 1

让我们分解一下解决此问题的步骤：

1. 确保正确的数据拆分：在应用转换之前，请确保已将数据拆分为训练集和测试集（

   X_train

   、

   X_test

   、

   Y_train

   、

   Y_test

   ）。

2. ColumnTransformer 和 OneHotEncoder：您将

   ColumnTransformer

   与

   OneHotEncoder

   一起使用，这是正确的。确保您尝试转换的列实际存在于

   X_train

   中。

3. 拟合和变换：当您使用

   pipe.fit(X_train, Y_train)

   时，它将首先应用管道中指定的变换，然后拟合逻辑回归模型。

这里有更详细的方法：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import Pipeline

# Sample data
data = {
    'Team_1': ['Bangladesh', 'India', 'Southafrica', 'India'],
    'Team_2': ['Srilanka', 'Australia', 'England', 'England'],
    'Ground': ['Mirpur', 'Edgbaston', 'Barbados', 'Lords'],
    'Matchdate': ['2010-01-04', '2010-08-15', '2016-07-03', '2015-06-10']
}

df = pd.DataFrame(data)

# Assuming you have a target column named 'target'
X = df.drop(columns=['Matchdate'])  # Dropping Matchdate for simplicity
y = df['Matchdate']  # This is just a placeholder, replace with your actual target column

X_train, X_test, Y_train, Y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Create regression model
trf = ColumnTransformer([('trf', OneHotEncoder(sparse=False, drop='first'), ['Team_1', 'Team_2', 'Ground'])], remainder='passthrough')
pipe = Pipeline(steps=[('step1', trf), ('step2', LogisticRegression(solver='liblinear'))])
pipe.fit(X_train, Y_train)

注：

• 确保

  X_train

  和

  Y_train

  已正确定义并具有预期数据。
• 示例数据使用“Matchdate”作为目标变量仅用于演示目的。在现实场景中，您会有不同的逻辑回归目标变量（例如比赛结果）。