好吧，我很惊讶，但事实证明，sklearn的决策树确实无法处理分类数据。从2015年6月开始，这个问题（＃4899）出现了Github问题，但是它仍然是开放的（我建议您快速浏览一下该线程，因为有些评论非常有趣）。
正如您在此处所做的那样，将分类变量编码为整数的问题在于，它对它们强加了一个 顺序 ，根据情况的不同，该 顺序 可能有意义，也可能没有意义。例如，你可以编码['low', 'medium', 'high']的[0, 1, 2]，因为'low' < 'medium' < 'high'（我们称这些分类变量 序数 ），但你仍然隐含作出额外的（也可能是不希望的）假设之间的距离'low'和'medium'与之间的距离相同'medium'，并'high'（在没有影响决策树，但很重要，例如在k- nn和聚类中）。但是这种方法在诸如['red','green','blue']或的情况下完全失败了['male','female']，因为我们不能要求它们之间有任何有意义的相对顺序。
因此，对于非常规分类变量，正确编码它们以供sklearn决策树使用的方法是使用OneHotEncoder模块。用户指南的“编码分类功能”部分也可能会有所帮助。
602392714
清零编程群