使用sklearn的Logistic Regression训练泰坦尼克数据集遇TypeError问题

问题原因 #

你的特征列名同时包含整数类型和字符串类型，新版本scikit-learn对输入特征的名称类型一致性有严格校验，因此调用fit()时触发了类型错误。

解决方案 #

提供三种可行的修复方式，选择最适合你的场景即可：

方法1：将所有列名转为字符串类型（推荐）

在划分数据集前，把X的所有列名统一转成字符串，既解决类型问题，又保留列名信息：

X = titanic_data.drop("Survived", axis=1)
# 统一转换列名为字符串
X.columns = X.columns.astype(str)
y = titanic_data['Survived']

# 后续训练代码保持不变
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegression()
logmodel.fit(X_train, y_train)

方法2：移除列名（转为numpy数组）

如果不需要保留列名信息，可以直接把DataFrame转为numpy数组，避免传递列名给模型：

# 转为numpy数组，丢弃列名
X = titanic_data.drop("Survived", axis=1).values
y = titanic_data['Survived'].values

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

from sklearn.linear_model import LogisticRegression
logmodel = LogisticRegression()
logmodel.fit(X_train, y_train)

方法3：将所有列名转为整数类型（仅适用特定场景）

如果你的列名原本可安全转换为整数（比如部分列名是数字字符串），可以统一转为整数类型：

X = titanic_data.drop("Survived", axis=1)
# 统一转换列名为整数（注意：若列名包含非数字字符串会报错）
X.columns = X.columns.astype(int)
y = titanic_data['Survived']

# 后续训练代码保持不变

内容的提问来源于stack exchange，提问作者Kartick Upadhyay