Как импортировать данные из CSV-файла в Python, используя panda.read_csv?

Question

Я пытаюсь решить проблему дерева решений в python, используя scikit_learn и pandas. Набор данных доступен в файле CSV. Когда я пытаюсь загрузить данные в python, я получаю сообщение об ошибке «ValueError: не удалось преобразовать строку в число с плавающей точкой: 'CustomerID'". Я не знаю, что я сделал неправильно в коде.

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn import metrics
col_names=['CustomerID','Gender','Car Type', 'Shirt Size','Class']
pima=pd.read_csv("F:\Current semster courses\Machine 
Learning\ML_A1_Fall2019\Q2_dataset.csv",header=None, names=col_names)
pima.head()
feature_cols=['CustomerID','Gender','Car Type', 'Shirt Size']
X=pima[feature_cols]
y=pima.Class
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)
clf = DecisionTreeClassifier()

# Train Decision Tree Classifer
clf = clf.fit(X_train,y_train)

#Predict the response for test dataset
y_pred = clf.predict(X_test)
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

Может кто-нибудь сказать мне, что я делаю неправильно?

Набор данных:

CustomerID  Gender  Car Type    Shirt Size  Class
1            M      Family       Small      C0
2            M      Sports       Medium     C0
3            M      Sports       Medium     C0
4            M      Sports       Large      C0
5            M      Sports     Extra Large  C0
6            M      Sports     Extra Large  C0
7            F      Sports       Small      C0
8            F      Sports       Small      C0
9            F      Sports       Medium     C0
10           F      Luxury       Large      C0
11           M      Family       Large      C1
12           M      Family     Extra Large  C1
13           M      Family       Medium     C1
14           M      Luxury    Extra Large   C1
15           F      Luxury       Small      C1
16           F      Luxury       Small      C1
17           F      Luxury       Medium     C1
18           F      Luxury       Medium     C1
19           F      Luxury       Medium     C1
20           F      Luxury       Large      C1

Answer 1

Ах. ХОРОШО. Проблема в том, что ваши данные являются категориальными данными, с которыми scikit не может работать напрямую. Сначала его необходимо преобразовать в числовые данные. Метод ._get_dummies() делает это, беря один столбец с несколькими категориальными значениями и преобразовывая его в несколько столбцов, каждый из которых содержит числовое значение 1 или 0, указывающее, является ли данная категория "True".

В качестве отступления,Вы должны удалить столбец «Идентификатор клиента» из функций. Это случайное значение, которое не имеет отношения к тому, принадлежит ли строка тому или иному классу.

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn import metrics

col_names=['CustomerID','Gender','Car Type', 'Shirt Size','Class']
data = [['1',  'M', 'Family', 'Small',      'C0'], 
        ['2',  'M', 'Sports', 'Medium',     'C0'], 
        ['3',  'M', 'Sports', 'Medium',     'C0'], 
        ['4',  'M', 'Sports', 'Large',      'C0'], 
        ['5',  'M', 'Sports', 'Extra Large','C0'], 
        ['6',  'M', 'Sports', 'Extra Large','C0'], 
        ['7',  'F', 'Sports', 'Small',      'C0'], 
        ['8',  'F', 'Sports', 'Small',      'C0'], 
        ['9',  'F', 'Sports', 'Medium',     'C0'], 
        ['10', 'F', 'Luxury', 'Large',      'C0'], 
        ['11', 'M', 'Family', 'Large',      'C1'], 
        ['12', 'M', 'Family', 'Extra Large','C1'], 
        ['13', 'M', 'Family', 'Medium',     'C1'], 
        ['14', 'M', 'Luxury', 'Extra Large','C1'], 
        ['15', 'F', 'Luxury', 'Small',      'C1']]

#pima=pd.read_csv("F:\Current semster courses\Machine ...
pima=pd.DataFrame(data, columns = col_names)
# Convert the categorical data to multiple columns of numerical data for the decision tree
pima = pd.get_dummies(pima, prefix=['CustomerID','Gender','Car Type', 'Shirt Size','Class'])
print(pima)

#feature_cols=['CustomerID','Gender','Car Type','Shirt Size']
feature_cols=['Gender_F', 'Gender_M',
       'Car Type_Family', 'Car Type_Luxury', 'Car Type_Sports',
       'Shirt Size_Extra Large', 'Shirt Size_Large', 'Shirt Size_Medium',
       'Shirt Size_Small', 'Class_C0', 'Class_C1']
X=pima[feature_cols]
y=pima[['Class_C0', 'Class_C1']]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

print("X_train =", X_train) 
print("X_test =", X_test) 
print("y_train =", y_train)
print("y_test =", y_test )
clf = DecisionTreeClassifier()

# Train Decision Tree Classifer
clf = clf.fit(X_train,y_train)

#Predict the response for test dataset
y_pred = clf.predict(X_test)
print("Accuracy:",metrics.accuracy_score(y_test, y_pred))