使用iris数据集训练线性回归模型出现字符串转float报错如何解决

Iris数据集默认包含一列类别特征，取值为setosa、versicolor、virginica三类字符串。你构造特征矩阵X时仅剔除了目标列sepal length in cm，没有处理这列字符串类型的特征。sklearn的线性回归模型要求输入的所有特征均为数值类型，无法自动完成字符串到浮点数的转换，因此抛出该错误。

有两种可行的处理方式，可根据需求选择：

方案1：直接剔除字符串类型的类别列 #

如果不需要将类别作为训练特征，直接在构造X时同时剔除目标列和类别列即可。首先执行print(iris_df.columns)确认你的csv文件中类别列的实际列名（通常为species），再修改特征提取代码：

# 同时剔除目标列和字符串类型的类别列
X= iris_df.drop(labels= ['sepal length in cm', 'species'], axis= 1)
y= iris_df['sepal length in cm']

方案2：对类别列做数值编码保留特征 #

如果需要使用类别特征参与训练，可对字符串列做独热编码转换为数值类型：

# 对类别列做独热编码，drop_first避免多重共线性
iris_df_encoded = pd.get_dummies(iris_df, columns=['species'], drop_first=True)
# 从编码后的数据中提取特征和标签
X= iris_df_encoded.drop(labels= 'sepal length in cm', axis= 1)
y= iris_df_encoded['sepal length in cm']

你可以在构造完X后执行print(X.dtypes)检查所有特征的类型，确认没有object类型的字段后再训练模型，可避免同类转换错误。

内容的提问来源于stack exchange，提问作者Key2020