使用RandomForestClassifier训练时报错Unknown label type: 'unknown'求解决

嘿，这个错误我太熟了——你不小心用文本特征提取器处理分类标签了！让我给你拆解问题并修正代码：

错误根源 #

RandomForestClassifier需要的是离散的类别标识（比如字符串形式的"good product"、"damaged product"，或者对应的整数编码），但你用TfidfVectorizer把标签列df.category转换成了稀疏矩阵格式。模型根本不认识这种作为标签的数据类型，所以才抛出Unknown label type: 'unknown'的错误。

修正步骤 #

你只需要把特征和标签的处理逻辑分开：特征用TfidfVectorizer处理没问题，但标签直接用原始值（或者转成整数编码）就行。

完整修正代码

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# 假设你的数据集已经加载到df中
stop_words = "english"

# 1. 处理文本特征（仅针对Review列）
tfidf_transformer = TfidfVectorizer(lowercase=True, stop_words=stop_words, max_features=500)
X = tfidf_transformer.fit_transform(df.Review)  # 注意对应你的Review列名，别写成df.Text（除非你的列确实叫Text）

# 2. 处理分类标签（二选一即可）
# 方式A：直接使用原始字符串标签（RandomForest原生支持）
y = df.Category

# 方式B：转换成整数编码（可选，部分场景下更高效）
# label_encoder = LabelEncoder()
# y = label_encoder.fit_transform(df.Category)

# 3. 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 4. 训练模型
model = RandomForestClassifier()
model.fit(X_train, y_train)

额外提示 #

• 如果用了方式B的LabelEncoder，后续要查看预测的原始类别，可以用label_encoder.inverse_transform(y_pred)把整数转回字符串。
• 确认你的列名对应正确：比如你的数据集里是Review列，但代码里写了df.Text，这也可能导致数据不匹配，要仔细核对。

内容的提问来源于stack exchange，提问作者suganthan sivananthan