RandomForestClassifier报错：输入含NaN、无穷值或超出float32范围的值

• 检查输入数据有效性：确认训练特征是数值型矩阵，无NaN/无穷值，分类标签格式合法（如整数类别或已编码的离散值），数据维度匹配（特征数一致）。
• 核对参数配置正确性：对比示例代码的参数设置，检查n_estimators、max_depth等参数是否拼写正确、取值合理（比如n_estimators不能为0或负数）。
• 验证依赖库版本：确认scikit-learn版本与示例代码兼容，部分参数在不同版本中存在命名或默认值差异，比如criterion参数的可选值范围可能有变化。
• 排查代码执行顺序：确保初始化分类器前，数据已完成必要预处理（如标签编码、特征缩放），不存在数据未加载就调用模型的情况。
• 提取错误关键信息：如果有报错堆栈，重点看异常类型（如ValueError、AttributeError）和具体描述，这是定位问题的核心线索。

内容的提问来源于stack exchange，提问作者Megen Crosby