(Python 3) 数据集分类，使用用户输入 Elo，建议基于国际象棋数据集的开局？

如何解决(Python 3) 数据集分类，使用用户输入 Elo，建议基于国际象棋数据集的开局？

我只是想寻求一点帮助。我正在努力弄清楚我所做的是否正确，即使朴素贝叶斯甚至是正确的方法。

我希望用户能够输入他们的 elo，以及“应用程序”根据该 ELO 的获胜率向他们建议开局动作集。为此，我使用以下数据集：https://www.kaggle.com/datasnaek/chess

其中的重要数据是开场名称（我试图建议的内容）、平均评分（用户可以输入的内容）和获胜者（我们需要看看白人是否获胜）。

这是我目前的代码：

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import pandas as pd
from sklearn.datasets import fetch_20newsgroups
from matplotlib.colors import ListedColormap
from sklearn import preprocessing
#Import Gaussian Naive Bayes model
from sklearn.naive_bayes import GaussianNB


#Read in dataset
data = pd.read_csv(f"games.csv")

# set new column that is true/false depending on if white wins
data['white_wins'] = (data['winner'] == "white")


# Create new columns,average rating (based on white rating and black rating) and category (categorization of rating for Naive Bayes)
data['average_rating'] = data.apply(lambda row: (row['white_rating'] + row['black_rating']) / 2,axis=1)
data['category'] = data['average_rating'] // 100 + 1

# Drop unneccessary columns
data = data.drop(['turns','moves','victory_status','id','winner','rated','created_at','last_move_at','opening_ply','white_id','black_id','increment_code','opening_eco','white_rating','black_rating'],axis=1)

#Label Encoder Initialisation
le = preprocessing.LabelEncoder()


# Converting string labels into numbers.
opening_name_encoded=le.fit_transform(data.opening_name)
category_encoded=le.fit_transform(data.category)
label=le.fit_transform(data.white_wins)

#Package features together
features=zip(opening_name_encoded,category_encoded)


#Create a Gaussian Classifier
model = GaussianNB()


# Train the model using the training sets
model.fit(features,label)

我目前收到错误消息： error

另外，我什至不相信这是正确的，好像我继续沿着这条流，我只会根据开局动作和 elo 来预测白棋是否获胜。我真的不确定要从哪里得到它才能达到我需要的程度。

感谢您的帮助！

解决方法

zip 在迭代器中返回，因此您的代码没有按照您的预期运行。我的猜测是您希望 features 成为一个 2 元组列表。如果是这种情况，请将您的代码调整为 features = list(zip(opening_name_encoded,category_encoded))

In [31]: zip([1,2,3],['a','b','c'])
Out[31]: <zip at 0x25d61abfd80>

In [32]: list(zip([1,'c']))
Out[32]: [(1,'a'),(2,'b'),(3,'c')]