使用逻辑回归建模时出现字符串转浮点数报错的问题求助

这个错误说明你的数据预处理流程存在漏洞：部分字符串类型的特征（比如India所在的列）没有经过OneHotEncoder编码，就直接传入了逻辑回归模型——而逻辑回归仅支持数值型输入，无法处理字符串。

1. 确认特征列的处理范围 #

首先检查ColumnTransformer是否覆盖了所有需要编码的类别特征：Team_1、Team_2、Ground，同时注意Matchdate如果是字符串格式，也需要转换成数值型特征（比如提取年、月、日），不能直接保留字符串。

2. 修正预处理流程的代码 #

以下是可直接复用的完整示例，包含日期特征处理、类别特征编码和Pipeline搭建：

导入依赖库

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

处理日期特征（如果Matchdate是字符串）

# 将日期字符串转换为数值特征（年、月、日、星期几）
def extract_date_features(X):
    date_series = pd.to_datetime(X['Matchdate'])
    return pd.DataFrame({
        'match_year': date_series.dt.year,
        'match_month': date_series.dt.month,
        'match_day': date_series.dt.day,
        'match_weekday': date_series.dt.dayofweek
    })

构建预处理与模型Pipeline

# 定义需要处理的特征列
categorical_cols = ['Team_1', 'Team_2', 'Ground']
date_col = ['Matchdate']

# 构建特征处理器：分别处理类别特征和日期特征
preprocessor = ColumnTransformer(
    transformers=[
        # 对类别特征做OneHot编码，忽略训练集未出现的类别
        ('cat_encoder', OneHotEncoder(handle_unknown='ignore'), categorical_cols),
        # 对日期特征提取数值特征
        ('date_processor', FunctionTransformer(extract_date_features, validate=False), date_col)
    ],
    remainder='drop'  # 丢弃未指定的列，避免遗漏未处理的字符串
)

# 组装完整Pipeline
model_pipeline = Pipeline(steps=[
    ('preprocessing', preprocessor),
    ('log_reg', LogisticRegression(max_iter=1000))  # 增加迭代次数避免收敛问题
])

训练模型

# 替换为你的数据集和目标列
df = pd.read_csv('your_cricket_data.csv')
X = df[['Team_1', 'Team_2', 'Ground', 'Matchdate']]
y = df['target_column']  # 比如Team_1是否获胜的标签列

# 拆分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练
model_pipeline.fit(X_train, y_train)

3. 额外检查项 #

• 用X_train.dtypes查看特征类型，确保没有遗漏的object（字符串）类型列。
• 检查categorical_cols的列名拼写是否和数据集中完全一致（注意大小写、空格）。
• 如果Matchdate已经是datetime类型，可以简化日期处理函数，直接提取特征。

内容的提问来源于stack exchange，提问作者Yash Salvi