Jupyter新手使用sklearn DecisionTreeClassifier拟合报ValueError求助
报错原因排查&修正方案
已定位的全部代码问题
- 导入别名不匹配:代码第一行写的是
import pandas as pdd,但后续调用pandas方法时用的是pd,别名和实际调用的变量名不一致。当前能运行到模型训练步骤,是因为Jupyter保留了之前单元格运行的pd变量,没有触发NameError报错,但这段代码脱离Jupyter缓存环境是完全跑不通的。 - 核心报错触发原因:你构造的特征矩阵X中存在NaN(缺失值)、无穷大值,这类非有限值无法被sklearn树模型做数值计算。
vgsales.csv公开数据集本身存在不少缺失值(比如发售年份列的空值),你未做数据清洗就直接喂给模型,就会触发Input contains NaN, infinity...的报错。 - 预测方法调用语法错误:代码里写的
model.predict([16598],[])不符合sklearn接口要求——predict方法仅接受1个输入参数,要求传入的待预测样本的特征维度必须和训练时的X的列数完全一致,你多传了空列表参数,且输入的样本列数和训练时完全不匹配。 - 模型训练逻辑错误:你把标签y设为
df['Rank'](游戏全球总排名),但构造X时没有把Rank列从特征列中剔除,等于训练时把标签本身放到了输入特征中,存在严重的数据泄露,模型训练逻辑从根源上是错的。 - 栈信息显示错位说明:你看到的栈顶方法签名
fit(self, y, X, ...)是Jupyter环境对方法参数的渲染错位,实际sklearn的fit方法本身的参数顺序为(训练特征X, 训练标签y),不需要调整传参顺序。
修正后的可运行参考代码
import pandas as pd from sklearn.tree import DecisionTreeClassifier # 读入数据后先做缺失值清洗,删除带空值的行 df = pd.read_csv('vgsales.csv').dropna(axis=0, how='any') # 明确特征和标签:示例以发售年份、各区域销量为输入特征,预测游戏类型(可根据你的实际预测目标调整) X = df[['Year', 'NA_Sales', 'EU_Sales', 'JP_Sales', 'Other_Sales']] y = df['Genre'] model = DecisionTreeClassifier() # 模型训练 model.fit(X, y) # 预测时输入和X列数对齐的二维样本 predictions = model.predict([[2020, 1.2, 0.8, 0.3, 0.1]])
数据处理提示:如果不想直接删除缺失值,也可以用
df = df.fillna(0)把所有空值替换为0,适配sklearn的输入要求,但直接删除缺失行训练出的模型效果会更稳定。
内容的提问来源于stack exchange,提问作者Fsksksksss Ssksksksksksksk
相关产品推荐
相关产品推荐

