np数组拟合模型时报could not convert string to float错误如何解决

问题根因 #

你的特征数组x中存储的是字符串格式的向量文本，而非实际的浮点型数值数组。即便移除了换行符，带方括号的完整字符串也无法被scikit-learn自动转换为模型要求的浮点输入，因此触发该报错。

解决步骤 #

1. 先将所有字符串格式的向量转换为浮点型二维数组，参考代码如下：

import numpy as np

x_processed = []
for vec_str in x:
    # 移除字符串首尾的方括号，按空白分割为单个数字字符串后转浮点
    num_list = vec_str.strip('[]').strip().split()
    float_vec = np.array(num_list, dtype=np.float32)
    x_processed.append(float_vec)

# 转换为shape为(样本数, 向量维度)的数值数组
x_processed = np.array(x_processed)

2. 替换适配负特征的分类模型：你当前使用的MultinomialNB（多项式朴素贝叶斯）仅支持非负特征输入，而Doc2Vec输出的向量包含大量负值，直接输入会触发新报错，建议替换为GaussianNB（高斯朴素贝叶斯）、逻辑回归等支持负特征的模型，训练代码调整如下：

from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split

xtrain, xtest, ytrain, ytest = train_test_split(x_processed, y, test_size=0.2, random_state=42)
model = GaussianNB()
model.fit(xtrain, ytrain)
print(model.score(xtest, ytest))

内容的提问来源于stack exchange，提问作者mxverik