您需要将分类特征转换为数字属性。一种常见的方法是使用一次性编码，但这绝对不是唯一的选择。如果您有一个具有大量分类级别的变量，您应该考虑组合级别或使用散列技巧。Sklearn 配备了几种方法（请查看“另见”部分）：一种热编码器和散列技巧

如果您不致力于 sklearn，则h2o 随机森林实现直接处理分类特征。

据我所知，出现此类错误存在一些问题。第一个是，在我的数据集中存在额外的空间，为什么显示错误，'输入包含 NAN 值；其次，python 不能处理任何类型的对象值。我们需要将此对象值转换为数值。为了将对象转换为数字，存在两种类型的编码过程：标签编码器和一种热编码器。其中标签编码器对 0 到 n_classes-1 之间的对象值进行编码，一个热编码器对 0 到 1 之间的值进行编码。在我的工作中，在为任何类型的分类方法拟合我的数据之前，我使用标签编码器来转换值，并且在转换之前我确保我的数据集中不存在空格。

是的，你可以用数字化，df.category_name.codes但你会看到 1 或 0 或 -1 所以你必须编写这样的函数。

def numericalize(df, col, name, max_n_cat):

    if not is_numeric_dtype(col) and (max_n_cat is None or len(col.cat.categories) > max_n_cat):
        df[name] = col.cat.codes + 1