基于ML的笔记本价格预测应用报错：无法将字符串转为浮点数

问题原因 #

你的代码中，ColumnTransformer仅对指定的[0,1,7,10,11]列做了独热编码，但训练数据中还有其他包含字符串的列（比如出现'Intel'的CPU品牌列）。由于设置了remainder='passthrough'，这些未处理的字符串列会直接传递给后续的线性回归模型，而线性回归只能处理数值型数据，因此触发ValueError。

解决方案 #

需要确保所有字符串类型的特征列都被编码为数值型，以下是两种可靠实现方式：

方式1：手动指定所有字符串列的索引 #

1. 先查看所有特征列的数据类型，找出所有object类型（字符串）的列：

print(X_train.dtypes)

2. 将所有字符串列的索引加入OneHotEncoder的处理列表，比如假设额外的字符串列索引是2，修改后的代码：

step1 = ColumnTransformer(transformers=[
    ('col_tnf', OneHotEncoder(sparse=False, drop='first'), [0,1,2,7,10,11])  # 包含所有字符串列索引
], remainder='passthrough')

step2 = LinearRegression()

pipe = Pipeline([
    ('step1', step1),
    ('step2', step2)
])

pipe.fit(X_train, y_train)
y_pred = pipe.predict(X_test)

print('R2 score', r2_score(y_test, y_pred))
print('MAE', mean_absolute_error(y_test, y_pred))

方式2：自动选择字符串列（更灵活） #

使用make_column_selector自动识别所有字符串列，无需手动写索引，适合特征列较多的场景：

from sklearn.compose import make_column_selector

step1 = ColumnTransformer(transformers=[
    ('cat_encoder', OneHotEncoder(sparse=False, drop='first'), make_column_selector(dtype_include=object)),
    ('num_passthrough', 'passthrough', make_column_selector(dtype_exclude=object))
])

step2 = LinearRegression()

pipe = Pipeline([
    ('step1', step1),
    ('step2', step2)
])

pipe.fit(X_train, y_train)
y_pred = pipe.predict(X_test)

print('R2 score', r2_score(y_test, y_pred))
print('MAE', mean_absolute_error(y_test, y_pred))

补充说明 #

• 如果某些字符串列是有序分类特征（比如屏幕分辨率等级：1080p < 2K < 4K），可以用OrdinalEncoder替代OneHotEncoder，避免特征维度爆炸。
• 独热编码的drop='first'参数可以避免多重共线性，适合线性回归模型。

内容的提问来源于stack exchange，提问作者nesly