如何为随机森林分类拟合分类数据类型？

我需要通过应用随机森林算法来找到训练数据集的准确性。但是我的数据集类型既是分类的又是数字的。当我尝试拟合这些数据时，出现错误。

'输入包含NaN，无穷大或dtype（'float32'）太大的值。

问题可能出在对象数据类型上。如何在不进行RF转换的情况下拟合分类数据？

这是我的代码。

您需要将分类特征转换为数字属性。常见的方法是使用单编码，但这绝对不是唯一的选择。如果您的变量具有较高的分类级别，则应考虑合并级别或使用哈希技巧。Sklearn配备了几种方法（请参阅“另请参见”部分）：一个热编码器和一个哈希技巧

如果您不打算使用sklearn，则h2o随机林实现将直接处理分类功能。

据我所知，获取此类错误存在一些问题。第一个是，在我的数据集中，存在多余的空间，为什么会显示错误，“输入包含NAN值；其次，python无法使用任何类型的对象值。我们需要将该对象值转换为数值。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。标签编码器编码对象值介于0到n_classes-1之间，而一个热编码器编码值介于0和1之间。在我的工作中，在将数据适合任何类型的分类方法之前，我使用标签编码器来转换值，并且在转换之前，请确保我的数据集中没有空格。