我在尝试使用GaussianNB解决一个机器学习问题。我有一些字段的日期格式不正确，所以我将它们转换成了UNIX格式。例如，csv文件中的state_changed_at列的值是1449619185。我正在将其转换为正确的日期格式。

当我选择这些日期特征来训练我的模型时，我得到了这个错误：

无法将字符串转换为浮点数: ‘Thu Apr 16 23:58:58 2015’

import pandas as pdimport numpy as npfrom sklearn import metricsfrom sklearn.naive_bayes import BernoulliNBfrom sklearn.naive_bayes import MultinomialNBimport timefrom sklearn.naive_bayes import GaussianNBtrain = pd.read_csv("datasets/train2.csv")test = pd.read_csv("datasets/test.csv")train.head()import time#   state_changed_at,deadline,created_at,launched_at 是日期时间字段# 我正在将其转换为unix格式unix_cols = ['deadline','state_changed_at','launched_at','created_at']for x in unix_cols:    train[x] = train[x].apply(lambda k: time.ctime(k))    test[x] = test[x].apply(lambda k: time.ctime(k))#   state_changed_at,deadline,created_at,launched_at 是日期时间字段.cols_to_use = ['keywords_len' ,'keywords_count','state_changed_at','deadline','created_at','launched_at']target = train['final_status']# 用于建模的数据k_train = train[cols_to_use]k_test = test[cols_to_use]gnb = GaussianNB()model = MultinomialNB()model.fit(k_train, target)  # 这一行会报错：无法将字符串转换为浮点数: 'Thu Apr 16 23:58:58 2015'expected = targetpredicted = model.predict(k_test)print(model.score(k_test, predicted, sample_weight=None))

回答：

你的困惑是什么？你提供了DateTime类型的列。SKLearn.fit不接受这种类型。具体来说：

Parameters: X : array-like, dtype=float64, size=[n_samples, n_features]Y : array, dtype=float64, size=[n_samples]

如果你想基于时间进行训练，你需要将它们转换（或保持）为可接受的类型，即基本的数值类型。你能在进行拟合时保持它们原始的基于纪元的整数形式吗？