我在尝试将数据离散化以用于分类。它们原本是字符串，我已经将它们转换为数字0,1,2,3。

这是数据的外观（pandas数据框）。我已经将数据框分成了dataLabel和dataFeatures

Label   Feat1  Feat2  Feat3  0        0     3      0  1        1      1     2  2        0      2     2  3        1      3     3

我想使用scikit learn的决策树和多项式朴素贝叶斯，并尝试使用DictVectorizer来离散化数据

这是我目前的代码

dictvec = dataFeatures.T.to_dict().values()

from sklearn.feature_extraction import DictVectorizer as DVvectorizer = DV( sparse = False )X = vectorizer.fit_transform(dictvec)

Y = dataLabel.ravel()

这是我输入到分类器的数据

from sklearn.naive_bayes import MultinomialNBmnb = MultinomialNB()from sklearn import metricsscores = cross_val_score(mnb, Y, X, cv=10, scoring='accuracy')

我得到一个错误bad input shape (64, 4)，但我不确定这是否与数据的离散化方式有关。

我的问题是 – 这是离散化数据的正确方法吗？我的代码是否正确，或者是否有更好的方法来做这件事？

回答：

所以错误在于Y和X的顺序错误 – 它应该是scores = cross_val_score(mnb, X, Y, cv=10, scoring='accuracy')。代码现在运行正常 – 通过研究不同的选项，我发现使用OneHotEncoder比DictVectorizer更好