使用scikit-learn线性回归处理新冠数据集报invalid type promotion错误的原因

scikit-learn的线性回归模型要求输入的所有特征必须为数值类型，你选择的特征列表中包含了datetime64[ns]类型的date列，NumPy无法将日期类型和浮点类型统一为兼容的数据类型，因此触发了invalid type promotion类型升级失败报错。

方案1：不需要使用日期特征时，直接从特征列表中移除date列 #

reg = linear_model.LinearRegression()
# 仅保留数值型特征
x = ['people_vaccinated', 'population']
y = 'new_deaths'
reg.fit(df[x], df[y])

方案2：需要保留日期信息时，先将日期转换为数值格式 #

你可以根据业务需要选择以下任意一种转换方式：

• 转换为秒级时间戳
• 转换为距离数据集最早日期的天数
  示例代码如下：

# 方式1：转秒级时间戳
df['date_timestamp'] = df['date'].astype('int64') // 10**9

# 方式2：转距离最早日期的天数
df['date_diff_days'] = (df['date'] - df['date'].min()).dt.days

# 用转换后的数值型日期特征建模
reg = linear_model.LinearRegression()
x = ['date_diff_days', 'people_vaccinated', 'population']
y = 'new_deaths'
reg.fit(df[x], df[y])

• scikit-learn的所有传统机器学习模型都不支持直接输入字符串、日期等非数值类型特征，使用前必须转换为数值格式
• 后续如果需要使用location列作为特征，需要通过独热编码、标签编码等方式转换为数值后再使用

内容的提问来源于stack exchange，提问作者Bruce Murdock