如何解决Python决策树中的Unknown label type: 'unknown'错误

嘿，这个问题我之前刚踩过坑！咱们来一步步搞定它：

问题根源 #

虽然你说ndf['Score']的取值是0或1，但大概率是数据类型不匹配导致的——scikit-learn的DecisionTreeClassifier要求分类标签是数值类型（整数/浮点数），如果你的Score列存的是字符串形式的"0"/"1"，或者是object类型的数值，模型就会识别不了，抛出这个错误。

解决步骤 #

1. 先检查数据类型与取值
   运行下面的代码确认Score列的类型和所有唯一值：

   print(ndf['Score'].dtype)
   print(ndf['Score'].unique())
   

   第一行看类型，如果是object就说明是字符串类型；第二行可以排查有没有除0、1之外的奇怪值。

2. 转换为正确的数值类型

   • 如果是字符串转整数，直接用astype转换：

     ndf['Score'] = ndf['Score'].astype(int)
     

   • 要是怕有异常值（比如空字符串、其他字符），用pd.to_numeric更稳妥，还能自动处理异常：

     ndf['Score'] = pd.to_numeric(ndf['Score'], errors='coerce')
     

     转换后记得检查有没有生成NaN值：

     print(ndf['Score'].isna().sum())
     

     如果有NaN，可以选择删除对应行（ndf = ndf.dropna(subset=['Score'])）或者填充合理值。

3. 重新训练模型
   转换完成后，再重新执行你的代码流程：

   X = ndf.drop('Score', axis=1)
   y = ndf['Score']
   X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42, test_size=0.30)
   model = tree.DecisionTreeClassifier()
   model.fit(X_train, y_train)
   

   这次应该就能正常训练啦！

内容的提问来源于stack exchange，提问作者fawkemvegas