Python使用sklearn拟合两个列表报字符串转浮点错误如何解决

could not convert string to float报错由三处不符合sklearn输入规则的问题导致：

• 模型拟合的特征输入X必须是二维结构（形状为[样本数量, 特征数量]），当前代码里的x是一维列表，结构不符合要求。
• 特征集合里全是字符串格式内容：'BMW'是类别文本，'20000miles'是带单位的文本、'2010'是字符串格式的数字，sklearn的决策树模型无法直接解析非数值型输入，必须先转换为数值。
• 标签输入y和特征的样本量不匹配：当前x如果按单样本算有3个特征，y只有1个标签值，且标签也是字符串格式，同时不满足输入要求。

1. 先调整数据集为合法结构：每条样本对应一个标签，特征按「样本为行、特征为列」组织成二维结构，同时把带单位的数值、年份这类内容先处理成纯数字，去掉文本单位。
   参考合法的数据集结构示例：

from sklearn import tree
from sklearn.preprocessing import OneHotEncoder

# 3个二手车样本，每个样本3个特征：[品牌, 里程（英里）, 出厂年份]
X = [
    ['BMW', 20000, 2010],
    ['Audi', 50000, 2015],
    ['Toyota', 80000, 2012]
]
# 对应每个样本的二手车价格，长度和样本数完全一致
y = [12000, 18000, 9000]

2. 对品牌这类类别型文本特征做编码转换，把文本转成模型可识别的数值：

encoder = OneHotEncoder(sparse_output=False)
X_encoded = encoder.fit_transform(X)

3. 根据任务类型选对模型再拟合：如果是预测价格这类连续数值，要使用回归器DecisionTreeRegressor，DecisionTreeClassifier仅适用于预测离散分类标签：

# 价格预测是回归任务，用决策树回归器
clf = tree.DecisionTreeRegressor()
clf.fit(X_encoded, y)

补充：如果只有单条样本是无法完成模型拟合的，模型训练需要足够多的、特征-标签一一对应的样本数据。

内容的提问来源于stack exchange，提问作者Ali Zabihi