本文介绍了CatBoostRegressor在尝试预测时显示错误(TypeError：无法将'；b'；转换为浮点)的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着跟版网的小编来一起学习吧！
问题描述
这是我的数据集(由于公司政策，我不能分享任何真实数据)：
category brand city day_of_week price
mobile_phone LG Busan 3 100
mobile_phone Apple Seul 4 120
mobile_phone LG Changwon 5 110
tv LG Busan 2 120
tv Samsung Suwon 3 150
tv Samsung Ulsan 3 200
.
.
.
是关于修理电子产品的价格问题。问题是，我在运行一个回归，其中价格是目标，睡觉是功能。
所以这正是我运行的内容：
rf = CatBoostRegressor(
cat_features = ["category",
"brand",
"city",
"day_of_week"],
eval_metric="RMSE",
learning_rate=0.13,
iterations=500,
)
rf.fit(X_train, y_train, plot=True, eval_set=(X_test, y_test))
pred_rf = rf.predict(X_test)
这是Python显示的消息：
TypeError: Cannot convert 'b'mobile_phone'' to float
为什么？CatBoost应该在没有其他东西的情况下就转换了。这很疯狂，因为它在10分钟前对另一个非常相似的数据集起作用。
另外，模型实际运行：
bestTest = 0.3275576877
bestIteration = 144
Shrink model to first 145 iterations.
那么，你知道我做错了什么吗？
提前谢谢您。再次抱歉，我无法共享数据集。
推荐答案
我同意查看克里斯的评论。我刚才出现了这个错误，这是因为我没有正确指定我的cat_features参数。乍一看，您似乎猜对了，但我要做的是使用以下命令提取所有对象功能：
# Get all object variables from X_train
cat_vars = [var for var in X_train.columns if X_train[var].dtype == "O"]
# Initialize model with cat_vars
rf = CatBoostRegressor(
cat_features = cat_vars,
eval_metric="RMSE",
learning_rate=0.13,
iterations=500,
)
# Fit & Predict
rf.fit(X_train, y_train, plot=True, eval_set=(X_test, y_test))
pred_rf = rf.predict(X_test)
pd.read_csv)并转换了一些dtype，这通常是float或int，它仍然可以处理。
警告：在prod中，您可能希望静态了解cat_var，并在某个配置文件中定义它们，而不是运行此命令。这仅供catBoost上的dev使用。
这篇关于CatBoostRegressor在尝试预测时显示错误(TypeError：无法将'；b'；转换为浮点)的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持跟版网！
本站部分内容来源互联网,如果有图片或者内容侵犯了您的权益，请联系我们，我们会在确认后第一时间进行删除！