先放结论：数据未进行One hot code
解决方法：使用这个函数pd.get_dummies()对数据进行处理
案例：
#直接对信息进行归一化、标准化或机器学习
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
#训练数据
knn.fit(x_train,y_train)
因为：
因为类型不能转换为float等数字类型，不是数字直接进行机器学习是不行的，同理直接进行归一化、标准化同样不行。报错相同。
加入函数
features = pd.get_dummies(features)
#再进行学习或数据预处理
features_temp = StandardScaler().fit_transform(features)#去均值和方差归一化
knn.fit(x_train,y_train)#训练数据不报错。
看看One_hot_encode化处理前后的数据：
处理前
处理后
第一次写博客，很混乱，欢迎得到批评和指正
文章出处登录后可见！
已经登录？立即刷新
