含数组型features列的CSV文件使用SVC分类器时遇报错问题

问题根源 #

CSV文件中features列存储的是字符串格式的数组（例如"[0.123, 0.456, ...]"），而非原生数值数组。直接用np.array(x)转换会得到包含字符串元素的数组，无法被MinMaxScaler处理，从而触发ValueError: could not convert string to float。

完整解决方案代码 #

import ast
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler, LabelEncoder
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 读取CSV文件（替换为你的文件路径）
# feature_df_wav2vec = pd.read_csv("your_file.csv")

# 1. 解析字符串格式的特征数组为数值数组
feature_df_wav2vec['features'] = feature_df_wav2vec['features'].apply(
    lambda x: np.array(ast.literal_eval(x), dtype=np.float32)
)

# 2. 构造特征矩阵（样本数 × 特征数）
X = np.vstack(feature_df_wav2vec['features'].values)
y = feature_df_wav2vec['label']

# 3. 标签编码与数据集划分
label_encoder = LabelEncoder()
y_encoded = label_encoder.fit_transform(y)
X_train, X_test, y_train, y_test = train_test_split(X, y_encoded, test_size=0.3, random_state=42)

# 4. 特征缩放
scaler = MinMaxScaler(feature_range=(0, 1))
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# 5. 训练SVC模型
svm_classifier = SVC(kernel='linear', C=1.0)
svm_classifier.fit(X_train_scaled, y_train)

关键步骤说明 #

• 解析字符串数组：使用ast.literal_eval将字符串形式的数组解析为Python列表，再转换为float32类型的numpy数组，确保特征是数值类型。
• 构造特征矩阵：用np.vstack将每个样本的特征数组堆叠成二维矩阵，符合scikit-learn模型对输入数据的要求（每行对应一个样本，每列对应一个特征）。
• 正确缩放特征：直接对二维特征矩阵进行缩放，无需额外转置或扁平化操作，避免破坏样本-特征的对应关系。

内容的提问来源于stack exchange，提问作者hyper