将分类数据传递给 Sklearn 决策树

有几篇关于如何将分类数据编码到 Sklearn 决策树的文章，但从 Sklearn 文档中，我们得到了这些

决策树的一些优点是：

(...)

能够处理数值数据和分类数据。其他技术通常专门用于分析仅具有一种变量类型的数据集。请参阅算法以获取更多信息。

但运行以下脚本

import pandas as pd 
from sklearn.tree import DecisionTreeClassifier

data = pd.DataFrame()
data['A'] = ['a','a','b','a']
data['B'] = ['b','b','a','b']
data['C'] = [0, 0, 1, 0]
data['Class'] = ['n','n','y','n']

tree = DecisionTreeClassifier()
tree.fit(data[['A','B','C']], data['Class'])

输出以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/site-packages/sklearn/tree/tree.py", line 154, in fit
    X = check_array(X, dtype=DTYPE, accept_sparse="csc")
  File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 377, in check_array
    array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: could not convert string to float: b

我知道在 R 中可以传递分类数据，用 Sklearn 可以吗？

（这只是重新格式化我的评论 https://stackoverflow.com/questions/38108832/passing-categorical-data-to-sklearn-decision-tree/56857255#comment67098157_38109663从 2016 年开始......它仍然适用。）

The 接受的答案 https://stackoverflow.com/a/38109663/4685471因为这个问题具有误导性。

目前，sklearn 决策树不处理分类数据 -请参阅问题#5442 https://github.com/scikit-learn/scikit-learn/issues/5442.

推荐的方法是使用标签编码将其转换为整数DecisionTreeClassifier()会治疗作为数字。如果您的分类数据不是有序的，这不好 - 您最终会得到没有意义的分割。

Using a OneHotEncoder是当前唯一有效的方法，允许任意分割而不依赖于标签排序，但计算成本昂贵。