使用scikit学习python中的机器学习

我制作了关于汽车信息的数据库，包括，汽车品牌，里程，年份，价格，如下：

[[('Volkswagen Polo', 82000, 2010, 43000)], [('Porsche 911', 2500, 2018, 349000)], [('Volvo S60', 89000, 2015, 98000)], [('BMW 1', 127467, 2012,  97000)]

我正在学习机器学习，我想使用决策树

我想知道汽车的品牌、里程数和年份，并预测价格。我已经尝试了很多方法，每次我都会遇到错误。 例如：

ValueError: could not convert string to float: 'Volkswagen Polo'
or
ValueError: Found array with dim 3. Estimator expected <= 2.
or
TypeError: fit() takes 2 positional arguments but 3 were given

或

---

LabelEncoder

仅在目标类上运行，因此不应将

x

传递给它（请参阅）。此外，您似乎对目标类使用了错误的索引：

---

y.append（[item[4]]）

应该是

y.append（[item[0]]）

为什么不直接从db查询汽车品牌、里程和年份？

cursor = cnx.cursor()
    cursor.execute('SELECT * FROM cars_2')
    my_result = cursor.fetchall()
    x = []
    y = []
    for item in my_result:
        x.append([item[1:4]])
        y.append([item[4]])
    le = preprocessing.LabelEncoder()
    le.fit(x, y)

cursor = cnx.cursor()
    cursor.execute('SELECT * FROM cars_2')
    my_result = cursor.fetchall()
    x = []
    y = []
    for item in my_result:
        x.append([item[1:4]])
        y.append([item[4]])
    clf = tree.DecisionTreeClassifier()
    clf = clf.fit(x, y