Python MLPClassizer无法适应给定的训练标签

所以我有一个20000条记录的csv。第一列是标签列，每行由一个字母组成。其他列是属性，如宽度、高度等。我导入它并将每条记录复制到一个数组中

with open('Letter.csv') as f:
reader = csv.reader(f)
annotated_data = [r for r in reader]

现在我想将数据拆分为80-10-10拆分，而不使用

train\u test\u split

。因此，我：

train_test_divide = int(0.8 * len(annotated_data))
X_train, X_test = annotated_data[:train_divide], annotated_data[train_divide:]

同样，对于其他10-10分割。所以现在我想把标签列复制到它自己的数组中，这样我就可以把它放入一个MLPClassizer

mlp.fit（X\u-train，y\u-train）

我试过：

for row in X_train:
y_train = row[0] 

我得到的

len

是

1

，而

np.shape

是

（）

，所以我知道这已经错了

于是我试着：

y_test = [row[0] for row in X_train]

---

当我打印这个

len

时，我得到16000，这是我想要的。如果我打印这个

np.shape

，我会再次得到我想要的

（16000，）

。但是现在，如果我尝试

mlp.fit（X\u-train，y\u-train）

这个，我会得到一个错误，说

不能将数组数据从dtype（'float64'）转换为dtype（'我可以建议您使用的方法，它通过pandas和sklearn-train\u-test\u-split工作

import pandas as pd
df = pd.read_csv('Letter.csv')
labels = df[df.columns[0]] # Column 0 because you say it is the first one, but check this index. 
# Better if you name the columns and call them by name
features = df[df.columns[1:]] # Again, check the content of features

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2)

如果

每行由一个字母组成

您的意思是，每一行都包含字符串，但在将字符串提供给您的ML模型之前，您可能需要对字符串进行矢量化

您可以发布csv文件的前几行吗？
很抱歉，我不想使用
train\u test\u split
。我使用种子进行洗牌。我还发布了前两行的示例