我使用scikit-learn来实现一个简单的监督学习算法。本质上，我遵循了这里的教程（但使用了我自己的数据）。

我尝试拟合模型：

clf = svm.SVC(gamma=0.001, C=100.)clf.fit(features_training,labels_training)

但在第二行，我得到了一个错误：ValueError: could not convert string to float: 'A'

这个错误是预期的，因为label_training包含代表三个不同类别的字符串值，例如A、B、C。

所以问题是：如果标记数据是以字符串形式表示的类别，如何使用SVC（支持向量分类）？对我来说，一个直观的解决方案似乎是简单地将每个字符串转换为一个数字。例如，A = 0，B = 1等。但这真的是最佳解决方案吗？

回答：

请查看http://scikit-learn.org/stable/modules/preprocessing.html#encoding-categorical-features 第4.3.4节 编码类别特征。

特别是，查看使用OneHotEncoder。这将把类别值转换为SVM可以使用的格式。