我在练习使用sklearn套件来进行机器学习 目前使用的资料是一个3万多笔的资料(14 features) 而14个特徵里面有8个categorical的栏位 像是性别、婚姻状况等等，都是字串的形式 我目前是使用pd.read_csv()，再用a = a.values把型态转成array (因为我发现使用genfromtxt的话所有字串都会变Nan) 可是在用imputer处理missing value时，会出现错误:could not convert string to floa 使用imputer的程式码: imp = imputer()， data = imp.fit(data) 至於处理categorical资料的方法，我查到的是: enc = preprocessing.OneHotEncoder() enc.fit(data) 但是因为在imputer时就先卡住了，所以还不知道这个方法对不对 (有missing value的话就无法使用enc) 请问大家: 1.我的imputer哪里写错了呢? 2.汇入资料後的第一个步骤都是去除missing value对吗? 3.我查到的处理categorical的方法是对的吗? 4.资料的第一行column名有需要删除吗?例如: age,income等 谢谢大家耐心看完，麻烦各位了! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 122.116.222.230 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1488187948.A.3A3.html