我一直在尝试学习如何训练我的数据，即实现包含字符串数据的机器学习。我所理解的是，你可以将字符串数据类型转换为分类数据，但我无法使用LabelEncoder来实现这一点。我还听说，我们不应该将数据映射并转换为数值数据，因为这样预测结果会不准确。

以下是数据的一个示例：

LP001002,Male,No,0,Graduate,No,5849,0,,360,1,Urban,YLP001003,Male,Yes,1,Graduate,No,4583,1508,128,360,1,Rural,NLP001005,Male,Yes,0,Graduate,Yes,3000,0,66,360,1,Urban,YLP001006,Male,Yes,0,Not Graduate,No,2583,2358,120,360,1,Urban,YLP001008,Male,No,0,Graduate,No,6000,0,141,360,1,Urban,YLP001011,Male,Yes,2,Graduate,Yes,5417,4196,267,360,1,Urban,Y

如你所见，性别（2）、婚姻状况（3）、依赖人数（4）、教育（5）、自雇（6）、物业区域（11）、贷款状态（12）是字符串类型。

有些列有缺失数据，因此无法使用OneHot编码器。错误：无序类型 str() > int()

我想将其转换为分类类型，并将其用作KNN的训练模型。我使用的是Python 3.6。

回答：

你想做的是执行独热编码，这里有一个用于此目的的函数：

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html