使用sklearn.MinMaxScaler报ValueError: could not convert string to float: 'female'如何解决

MinMaxScaler仅支持处理数值型数据，你传入的特征矩阵X中包含取值为'female'的字符串类型分类列，工具在做数值转换时直接触发报错。

你需要先对字符串类型的分类特征做编码转换，再统一做归一化，具体步骤如下：

• 拆分特征类型：将数据集的列分为「数值特征」（可以直接做缩放）和「分类特征」（需要先转成数值格式）两类
• 对分类特征做编码，根据特征属性选择对应方案：
  • 无序分类特征（比如性别、地域这类没有高低等级之分的枚举值），推荐使用独热编码：

    import pandas as pd
    # 替换为你实际的分类列名
    cat_cols = ['gender']
    num_cols = [col for col in X.columns if col not in cat_cols]
    
    # 对分类列做独热编码，drop_first避免共线性问题
    X_cat = pd.get_dummies(X[cat_cols], drop_first=True)
    X_num = X[num_cols]
    

  • 有序分类特征（比如学历、评分这类有明确等级差异的枚举值），可以使用标签编码：

    from sklearn.preprocessing import LabelEncoder
    le = LabelEncoder()
    # 逐个对分类列做标签编码
    X['gender'] = le.fit_transform(X['gender'])
    

• 合并特征后执行归一化：

  from numpy import asarray
  from sklearn.preprocessing import MinMaxScaler
  
  # 如果用了独热编码，需要先合并处理后的两类特征
  X_processed = pd.concat([X_num, X_cat], axis=1)
  
  scaler = MinMaxScaler(feature_range=(0,1))
  rescaledX = scaler.fit_transform(X_processed)
  

注意：如果你的X是numpy数组而非pandas DataFrame格式，按列索引拆分不同类型的特征列分别处理即可，整体逻辑一致。

内容的提问来源于stack exchange，提问作者Faith