泰坦尼克号生存预测模型训练报ValueError错误如何解决？

你触发的ValueError: Input contains NaN, infinity or a value too large for dtype('float64')是scikit-learn模型的输入校验规则导致的：sklearn绝大多数分类模型原生不支持输入数据中存在缺失值（NaN）、无穷值（inf/-inf）或者超出float64存储范围的极值，你当前传入的训练集x_train中存在上述异常值。

• 第一步：定位异常值
  先运行以下代码定位异常值的分布：

  import numpy as np
  # 查看各特征缺失值数量
  print(x_train.isnull().sum())
  # 查看各特征无穷值数量
  print(x_train.isin([np.inf, -np.inf]).sum())
  

  泰坦尼克号公开数据集中常见存在缺失的特征为Age、Cabin、Embarked三个字段。
• 第二步：处理无穷值（如果存在）
  如果排查出有inf值，先统一替换为NaN后续统一处理：

  x_train.replace([np.inf, -np.inf], np.nan, inplace=True)
  

• 第三步：处理缺失值
  可根据特征类型选择对应的填充策略：
  • 缺失率超过60%的特征（比如Cabin字段缺失率通常在77%左右）直接删除：

    x_train.drop('Cabin', axis=1, inplace=True)
    

  • 数值型特征（比如Age）用中位数/均值填充：

    x_train['Age'] = x_train['Age'].fillna(x_train['Age'].median())
    

  • 类别型特征（比如Embarked）用众数填充：

    x_train['Embarked'] = x_train['Embarked'].fillna(x_train['Embarked'].mode()[0])
    

  多特征批量填充也可以使用sklearn自带的SimpleImputer工具：

  from sklearn.impute import SimpleImputer
  # 数值特征填充示例，类别特征可将strategy改为'most_frequent'
  imputer = SimpleImputer(strategy='median')
  x_train = imputer.fit_transform(x_train)
  

• 第四步：校验处理结果
  处理完成后运行以下代码确认无异常值，输出为True即可正常训练模型：

  print(np.isfinite(x_train).all())
  

内容的提问来源于stack exchange，提问作者tquigg96