拟合LinearRegression模型时遇“无法将字符串转为float”错误求助

问题核心分析 #

错误提示ValueError: could not convert string to float: 'YES'说明数据中仍存在未被转换为数值类型的字符串列，和uint8类型无关——uint8是生成虚拟变量后常见的内存优化类型（比如pd.get_dummies默认生成），scikit-learn的LinearRegression完全支持这种数值类型，无需额外转换。

具体解决步骤 #

1. 定位未处理的字符串列
   先找出所有字符串类型（object）的列，执行代码：

   # 输出所有object类型的列名
   print(df.select_dtypes(include=['object']).columns)
   

   这会帮你定位到包含'YES'这类字符串的目标列。

2. 转换字符串列为数值类型

   • 若为二元分类列（仅含YES/NO两类值）：直接映射转换

     # 替换成你的目标列名
     df['target_col'] = df['target_col'].map({'YES': 1, 'NO': 0})
     

   • 若为多分类列：用虚拟变量（独热编码）处理

     # 对所有object列生成虚拟变量，drop_first避免多重共线性
     df = pd.get_dummies(df, columns=df.select_dtypes(include=['object']).columns, drop_first=True)
     

3. 重新拟合模型
   处理完所有字符串列后，重新准备特征矩阵并拟合：

   X_multi = df.drop('price', axis=1)
   y_multi = df['price']
   model1 = LinearRegression()
   model1.fit(X_multi, y_multi)
   

4. 额外检查：缺失值处理完整性
   虽然已填充n_hos_beds的缺失值，建议确认所有列的缺失情况：

   print(df.isnull().sum())
   

   若存在其他缺失值，根据列类型用均值、中位数或众数填充。

内容的提问来源于stack exchange，提问作者Predrag