运动员奖牌获得概率预测模型运行报输入含NaN错误如何解决

• 你仅对Height、Weight两列做了缺失值填充，但用于训练的特征矩阵X包含Age、Sex、Height、Weight四个特征，未处理Age列的缺失值，这些NaN值传入模型时触发了报错。
• 潜在风险：若Sex列存在空值，你编写的lambda函数会将空值识别为非'M'统一赋值为1，虽不会直接触发NaN报错，但会导致训练数据出现偏差。

1. 补充填充Age列的缺失值，可沿用均值填充的逻辑：

# 填充Age列缺失值
df['Age'].fillna(value=df['Age'].mean(), inplace=True)
# 可将Age转为int类型，和你现有数据格式保持统一
df['Age'] = df['Age'].astype(int)

2. （可选）检查并处理Sex列的空值，避免数据噪声：

# 先查看Sex列的缺失数量
print(df['Sex'].isna().sum())
# 若存在缺失，可用众数填充后再做编码
df['Sex'].fillna(df['Sex'].mode()[0], inplace=True)
df['Sex'] = df['Sex'].apply(lambda x: 1 if str(x) != 'M' else 0)

3. 训练前校验所有特征的完整性，确认无缺失值后再运行模型：

# 输出各特征列的缺失值数量，全为0即可正常训练
feature_names = ["Age", "Sex", "Height", "Weight"]
print(df[feature_names].isna().sum())

4. 场景适配优化：你的目标变量Medal是0/1二分类变量，使用DecisionTreeRegressor回归器不符合任务场景，建议替换为分类模型，例如DecisionTreeClassifier，更适配获奖概率预测的需求，修改代码如下：

from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import cross_val_score
classifier = DecisionTreeClassifier(random_state=0)
cross_val_score(classifier, X, y, cv=10)

内容的提问来源于stack exchange，提问作者user13998985