使用sklearn训练菜系预测模型时CSV字符串列转浮点报错如何解决

你遇到的ValueError: could not convert string to float: 'indian'报错，是因为sklearn中的机器学习模型仅支持数值类型输入，而你输入的B列是字符串类型的分类值（从报错内容看属于菜系分类值），无法被自动转换为浮点型数值输入模型。

首先确认B列的作用，对应选择处理方式：

场景1：B列为待预测的目标标签（y） #

使用标签编码转换分类值为数值，预测后可反向转回原菜系名称：

from sklearn.preprocessing import LabelEncoder
import pandas as pd

# 读取csv数据
df = pd.read_csv("你的训练数据路径.csv")
label_encoder = LabelEncoder()
# 对B列（假设列名为cuisine，可替换为你实际的列名）做编码
y = label_encoder.fit_transform(df["cuisine"])

# 模型预测后，可通过如下方法将数值预测结果转回原菜系名
pred_cuisine_names = label_encoder.inverse_transform(trained_model.predict(X_test))

场景2：B列为输入特征的一部分 #

根据特征属性选择编码方式：

• 若为无序分类特征（菜系分类无高低等级之分，该场景下多用该方案），使用独热编码：

from sklearn.preprocessing import OneHotEncoder

onehot_encoder = OneHotEncoder(sparse_output=False, drop="first")
# 对B列做独热编码
b_encoded = onehot_encoder.fit_transform(df[["cuisine"]])
# 将编码后的特征和其他输入特征合并
X = pd.concat(
    [df.drop("cuisine", axis=1).reset_index(drop=True), 
     pd.DataFrame(b_encoded, columns=onehot_encoder.get_feature_names_out(["cuisine"]))],
    axis=1
)

• 若为有序分类特征（存在明确的等级排序，菜系预测场景基本不适用），可使用OrdinalEncoder做编码。

• 编码器仅用训练集数据拟合，再对测试集做变换，避免出现数据泄露问题
• 不要直接对全量数据集做编码后再拆分训练测试集，会导致模型泛化能力下降

内容的提问来源于stack exchange，提问作者Joel K Nyongesa