Sklearn决策树分类器显示浮点错误Python[不是重复的]

我想用sklearn DecisionTreeClassifier做一个预测程序

我正在比较两个列表，一个是有浮动值的ListOnePar，另一个是只有字符串的timelist。我总是犯同样的错误。我在网上搜索，没有找到任何能帮助我的东西。我所看到的是，可以在两个列表之间进行比较，一个是带浮点数的列表，另一个是带字符串的列表。 这不是另一个问题的重复，在另一个问题中，错误是完全不同的，整个程序是不同的

这就是错误：

代码如下：

我认为在你的程序树中有一个变量 程序在使用import语句树或树变量时感到困惑，因为您正在覆盖树以使其浮动 将变量名更改为三

在计算tree=roundfloattree1.itemchild，值[3]，2时，将tree设置为float，因此出现错误：AttributeError:“float”对象没有属性“DecisionTreeClassifier”

我认为在你的程序树中有一个变量 程序在使用import语句树或树变量时感到困惑，因为您正在覆盖树以使其浮动 将变量名更改为三

在计算tree=roundfloattree1.itemchild，值[3]，2时，将tree设置为float，因此出现错误：AttributeError:“float”对象没有属性“DecisionTreeClassifier”

---

这是预测的完整代码。我已经编写了类似的代码，它工作得非常完美，唯一的区别是我使用了该代码，我手动输入了列表值，在这段代码中，我使用for循环完成了它。使用for循环，我从树视图中获取值，树视图中的所有值都是浮点值，除了列表时间中的值，这些值都是字符串。只需检查是否安装了多个版本的sklearn。这可能是导致问题的原因。我没有安装多个版本的sklearn，我刚刚检查过。可能重复的版本是完整的预测代码。我已经编写了类似的代码，它工作得非常完美，唯一的区别是我使用了该代码，我手动输入了列表值，在这段代码中，我使用for循环完成了它。使用for循环，我从树视图中获取值，树视图中的所有值都是浮点值，除了列表时间中的值，这些值都是字符串。只需检查是否安装了多个版本的sklearn。这可能是问题的原因。我没有安装多个版本的sklearn，我刚刚检查过。tree1是treeview的名称，我无法更改。我使用它来获取tree view.tree=roundfloattree1.itemchild的值，值[3]，2这一行中有输入错误。你写的是一棵树而不是三棵。。是的…我会检查更改tree=roundfloattree1.itemchild，值[3]，2到3=roundfloattree1.itemchild，值[3]，2我想我是你帮我解决了这个问题，但现在我在运行程序时遇到了这个错误：TypeError:Singleton数组'nene'，dtype='tree1是treeview的名称，我无法更改。我使用它来获取tree view.tree=roundfloattree1.itemchild的值，值[3]，2这一行中有输入错误。你写的是一棵树而不是三棵。。是的…我会检查更改树=roundfloattree1.itemchild，值[3]，2到3=roundfloattree1.itemchild，值[3]，2我想我是你帮我解决了这个问题，但是现在我在运行程序时遇到了这个错误：TypeError:Singleton数组'nene'，dtype='2

Pred1=tree.DecisionTreeClassifier()
AttributeError: 'float' object has no attribute 'DecisionTreeClassifier'

from sklearn import tree

    ListOnePar=[]

    for child in tree1.get_children(id1):
        ListTwoPar=[]

        one=round(float(tree1.item(child,"values")[1]),2)
        two=round(float(tree1.item(child,"values")[2]),2)
        tree=round(float(tree1.item(child,"values")[3]),2)
        four=round(float(tree1.item(child,"values")[5]),1)
        five=round(float(tree1.item(child,"values")[6]),1)

        ListTwoPar.append(one)
        ListTwoPar.append(two)
        ListTwoPar.append(tree)
        ListTwoPar.append(four)
        ListTwoPar.append(five)

        ListOnePar.append(ListTwoPar)

    timelist=[]

    for child in tree1.get_children(id1):
        time=tree1.item(child,"values")[7]
        timelist.append(time)

    Pred1=tree.DecisionTreeClassifier()
    Pred1=Pred1.fit(ListOnePar,time)

    size=float(PredSizeEntry.get())
    time=float(PredTimeEntry.get())
    cost=float(PredCostEntry.get())
    level=float(PredLevelEntry.get())
    subcontractors=float(PredSubcontractorsEntry.get())

    ListForPrediction1=[]
    ListForPrediction2=[]

    ListForPrediction2.insert(0,size)
    ListForPrediction2.insert(1,time)
    ListForPrediction2.insert(2,cost)
    ListForPrediction2.insert(3,level)
    ListForPrediction2.insert(4,subcontractors)

    ListForPrediction1.append(ListForPrediction2)

    prediction1=Pred1.predict(ListForPrediction1) 
    print(prediction1[0])

for child in tree1.get_children(id1):
    ListTwoPar=[]

    one=round(float(tree1.item(child,"values")[1]),2)
    two=round(float(tree1.item(child,"values")[2]),2)
    tree=round(float(tree1.item(child,"values")[3]),2)   # <===== variable to be changed from tree to three
    four=round(float(tree1.item(child,"values")[5]),1)
    five=round(float(tree1.item(child,"values")[6]),1)