sklearn训练模型报str与int不可比较TypeError如何定位问题列

错误定位步骤 #

第一步：优先排除标签列异常 #

报错栈指向compute_class_weight，该函数处理的是分类标签y而非特征X，这是触发该错误概率最高的场景：

• 执行print(y.unique(), y.dtype)，检查标签是否同时存在字符串和整数类型值，例如同时出现'0'和0，会直接触发np.searchsorted的类型比较错误
• 确认标签无异常后再排查特征列问题

第二步：特征列定位操作 #

1. 校验预处理逻辑划分是否正确

检查你拆分数值列、分类列的规则：

• 部分列的值看起来是数字（例如手机号、编号类特征），实际存储为字符串类型，整列dtype为object不存在混合类型，但若被误划分到数值列组，Normalizer无法处理会触发类型错误
• 确认OneHotEncoder已配置handle_unknown='ignore'，避免交叉验证分折时，验证集出现训练集未覆盖的分类值导致异常

2. 拆分Pipeline单独校验预处理结果

单独运行ColumnTransformer模块，检查输出是否存在字符串残留：

# 提取你配置的预处理组件
processed_X = preprocessor.fit_transform(X)
# 正常预处理后dtype应为float/int，若为object说明存在字符串残留
print(processed_X.dtype)

3. 分特征组排查

分别对数值列、分类列单独做转换，锁定问题所在分组：

• 单独对所有数值列执行Normalizer转换，检查输出dtype是否为数值类型
• 单独对所有分类列执行OneHotEncoder转换，检查输出dtype是否为数值类型

4. 单列遍历校验

锁定问题分组后逐列遍历验证：

# 以数值列为例，分类列逻辑同理
for col in num_cols:
    # 检查列内值的类型分布
    type_list = X[col].apply(type).unique()
    if len(type_list) > 1:
        print(f"异常特征列：{col}，包含混合类型：{type_list}")
    # 尝试强制转数值排查隐性字符串值
    try:
        X[col].astype(float)
    except ValueError:
        print(f"异常特征列：{col}，存在无法转为数值的内容")

内容的提问来源于stack exchange，提问作者taga