运行logisticRegr.fit时报ValueError:无法将字符串转为float: 'CityHotel'如何解决

scikit-learn的逻辑回归模型仅支持数值型输入，你数据集中的hotel列是文本类型的二分类特征，取值为CityHotel和ResortHotel，无法直接被模型转换为数值参与计算，因此触发该报错。

根据你的使用场景可以任选以下一种方法处理：

• 方案1：手动映射编码（最适合二值分类特征）
  直接将两个文本值映射为0和1，代码如下：

  hotel_data['hotel'] = hotel_data['hotel'].map({'ResortHotel': 0, 'CityHotel': 1})
  

  执行完上述代码后再拆分数据集、训练模型即可。

• 方案2：独热编码（通用多分类特征处理方案）
  用pandas的get_dummies方法自动完成分类特征编码，适合后续还有其他多分类文本特征的场景：

  import pandas as pd
  # drop_first=True避免多重共线性，二分类特征仅会生成1列编码字段
  hotel_data = pd.get_dummies(hotel_data, columns=['hotel'], drop_first=True)
  

• 方案3：Pipeline批量处理（避免数据泄露的规范写法）
  如果不想修改原始数据集，同时避免训练集和测试集的编码逻辑不一致导致的数据泄露，可以用sklearn的Pipeline把预处理和模型训练封装在一起：

  from sklearn.compose import ColumnTransformer
  from sklearn.preprocessing import OneHotEncoder
  from sklearn.pipeline import Pipeline
  from sklearn.linear_model import LogisticRegression
  
  # 指定需要编码的分类特征列，有多个同类特征可一并填入
  cat_cols = ['hotel']
  preprocessor = ColumnTransformer(
      transformers=[('cat', OneHotEncoder(drop='first'), cat_cols)],
      remainder='passthrough' # 其余数值列保留原有值
  )
  
  # 封装预处理+模型的Pipeline
  logisticRegr = Pipeline(steps=[
      ('preprocessor', preprocessor),
      ('classifier', LogisticRegression(max_iter=1000))
  ])
  
  # 直接传入原始拆分后的训练集即可正常训练
  logisticRegr.fit(x_train, y_train)
  

内容的提问来源于stack exchange，提问作者George Zambrano