from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import numpy as np
np.random.seed(0)
df = pd.read_csv("data.csv")
df['is_train'] = np.random.uniform(0,1,len(df)) <= 0.75
train, test = df[df['is_train'] == True], df[df['is_train'] == False]
features = df.columns[:10]
y = pd.factorize(train['Selector'])[0]
clf = RandomForestClassifier(n_jobs = 2, random_state = 0)
clf.fit(train[features],y)
ValueError Traceback（最近的调用最后）在 () ----
C:\Users\abhir\Anaconda2\lib\site packages\sklearn\employee\forest。pyc拟合（自身、X、y、样本重量）244英寸245英寸验证或转换输入数据--
C:\Users\abhir\Anaconda2\lib\site packages\sklearn\utils\validation。检查数组中的pyc（数组、接受稀疏、数据类型、顺序、复制、强制所有有限、确保2d、允许nd、确保最小样本、确保最小特征、警告数据类型、估计器）400强制所有有限）401其他：--
ValueError:无法将字符串转换为float:Male
有任何关于为什么会发生这种情况以及如何解决这种问题的帮助吗？链接到数据集
Scikit学习的随机森林分类器不支持分类数据，就像在你的情况下“性别”，值为“男性”和“女性”：详细信息请参见这个问题。
要解决该问题，可以使用标签编码器对分类变量进行编码：
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
le.fit(['Male', 'Female'])
df.loc[:,'gender'] = le.transform(df['gender'])
数据集还在Alkphos列中包含一些NaN，在训练分类器之前需要处理这些NaN。最简单但不一定是最好的选择是删除缺少值的数据集：
df = df[np.isfinite(df['Alkphos'])]
在将数据拆分为训练集和测试集之前，需要进行此预处理，以便两个数据集进行相同的转换和过滤。
