我正在尝试在肝病数据集上构建一个随机森林分类器。但是 fit 方法返回一个错误，如下所示：

Posted 2023-02-16

【中文标题】我正在尝试在肝病数据集上构建一个随机森林分类器。但是 fit 方法返回一个错误，如下所示：

【英文标题】：I'm trying to build a random forest classifier upon a liver disorder data set. But the fit method returns an error as such:

【发布时间】：2018-02-18 01:04:47

【问题描述】：

from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.read_csv("data.csv")
df['is_train'] = np.random.uniform(0,1,len(df)) <= 0.75
train, test = df[df['is_train'] == True], df[df['is_train'] == False]
features = df.columns[:10]
y = pd.factorize(train['Selector'])[0]
clf = RandomForestClassifier(n_jobs = 2, random_state = 0)
clf.fit(train[features],y)

---

ValueError Traceback（最近调用 最后）在（） ----> 1 clf.fit(train[features],y)

C:\Users\abhir\Anaconda2\lib\site-packages\sklearn\ensemble\forest.pyc 适合（自我，X，y，sample_weight） 第244章 245 # 验证或转换输入数据 --> 246 X = check_array(X, accept_sparse="csc", dtype=DTYPE) 247 y = check_array（y，accept_sparse='csc'，ensure_2d=False，dtype=None） 248 如果 sample_weight 不是 None：

C:\Users\abhir\Anaconda2\lib\site-packages\sklearn\utils\validation.pyc 在 check_array(array, accept_sparse, dtype, order, copy, force_all_finite，ensure_2d，allow_nd，ensure_min_samples， ensure_min_features、warn_on_dtype、估计器） 第400章 401 其他： --> 402 数组 = np.array（数组，dtype=dtype，order=order，copy=copy） 403 404 if ensure_2d:

ValueError: 无法将字符串转换为浮点数：Male

---

关于为什么会发生这种情况以及如何解决这个问题的任何帮助？链接到dataset

【参考方案1】：

Scikit learn 的 RandomForestClassifier 不支持分类数据，例如在您的情况下，“性别”的值为“男性”和“女性”：有关详细信息，请参阅 this 问题。

要解决这个问题，您可以使用标签编码器对分类变量进行编码：

from sklearn import preprocessing

le = preprocessing.LabelEncoder()
le.fit(['Male', 'Female'])
df.loc[:,'gender'] =  le.transform(df['gender'])

数据集还在 Alkphos 列中包含一些 NaN，您需要在训练分类器之前处理这些 NaN。最简单但不一定是最好的选择是删除缺失值的数据集：

df = df[np.isfinite(df['Alkphos'])]

您需要在将数据拆分为训练集和测试集之前进行此预处理，因此两个数据集都经过相同的转换和过滤。