SK-Learn高斯朴素贝叶斯预测报错：无法将字符串转为数值型

错误的核心是你构造的测试输入格式完全不对：

• 训练模型时，传入的raw[['elo', 'opponent_rating', 'winner_loser_elo_diff']]是纯数值的特征矩阵（每行一个样本，每列对应一个特征的数值）
• 但你写的test1 = [['elo', 1000], ['opponent_rating', 800], ['winner_loser_elo_diff', 200]]是包含列名字符串的结构，模型会把这些字符串当作特征值处理，自然无法转换成数值类型，触发报错。

正确的测试输入写法 #

写法1：纯数值二维数组（注意特征顺序和训练时一致） #

test1 = [[1000, 800, 200]]
chess_gnb.predict(test1)

这里的子列表对应一个样本，三个数值依次对应elo、opponent_rating、winner_loser_elo_diff的取值，和训练时的特征列顺序必须完全匹配。

写法2：用DataFrame匹配列名（避免顺序错误） #

如果怕记混特征顺序，可以用pandas构造带列名的DataFrame，模型会自动对应正确的特征：

import pandas as pd
test_df = pd.DataFrame({
    'elo': [1000],
    'opponent_rating': [800],
    'winner_loser_elo_diff': [200]
})
chess_gnb.predict(test_df)

另外说明，目标变量winner是字符串类型不影响这个错误，高斯朴素贝叶斯可以处理字符串类型的分类目标，问题完全出在测试输入的格式上。

内容的提问来源于stack exchange，提问作者imad97