Python ValueError:无法将字符串转换为浮点：'；什么'；（Sklearn），如何使用标签编码器？

我有两个训练集输入和输出集

X = df['First Word']

y = df['Answers']

当我尝试时：

from sklearn.tree import DecisionTreeClassifier

model = DecisionTreeClassifier()
model.fit(X,y)
predictions = model.predict(['how'])

我得到了一个错误：

ValueError: could not convert string to float: 'what'

错误是指无法将str（）传递给fit（）方法

---

在这种情况下，如何使用LabelEncoder以使上述代码正常工作？

所有ML型号都需要以数字形式输入，因此您需要根据需要对输入数据进行标签编码器或热编码

您可以使用以下代码对数据帧进行编码

 from sklearn import preprocessing
 le = preprocessing.LabelEncoder()
 X = le.fit_transform(X)

---

在编码传递到模型之后，我希望您不会出现这种错误

这种错误值错误：无法将字符串转换为浮点值：从类型为df=df[['p']]的csv文件中读取数据帧时可能会发生。astype（{'p'：float}）。如果csv是用空格记录的，python将不会将空格字符识别为nan。您需要用df=df的NaN覆盖空单元格。替换（r'^\s*$，np.NaN，regex=True）没有NaN请检查此链接：