Получение сообщения «TypeError: ufunc 'isnan' не поддерживается для типов ввода» в проекте машинного обучения в Jupyter ⇐ Python

[Anonymous]

Я выполняю проект машинного обучения для прогнозирования цен на электромобили в Jupyter Notebook.
Я запускаю следующие ячейки:

Код: Выделить всё

from sklearn import preprocessing
le = preprocessing.LabelEncoder()
cols = ['County', 'City', 'State', 'ZIP Code', 'Model Year', 'Make', 'Model', 'Electric Vehicle Type', 'Clean Alternative Fuel Vehicle (CAFV) Eligibility']
for col in cols:
le.fit(t[col])
x[col] = le.transform(x[col])
print(le.classes_)

from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.5, random_state = 0)

r2_score(y_test, lm.predict(x_test))

from sklearn.tree import DecisionTreeRegressor
regressor = DecisionTreeRegressor(random_state = 0)
regressor.fit(x_train, y_train)
r2_score(y_test, regressor.predict(x_test))

r2_score(y_train, regressor.predict(x_train))

uv = np.nanpercentile(df2['Base MSRP'], [99])[0]*2

df2['Base MSRP'][(df2['Base MSRP']>uv)] = uv

df2 = df2[df2['Model Year'] != 'N/']  # Filter out rows where 'Model Year' is 'N/'

for col in cols:
df2[col] = df2[col].replace('N/', -1)
le.fit(df2[col])
df2[col] = le.transform(df2[col])
print(le.classes_)

le = preprocessing.LabelEncoder()

cols = ['County', 'City', 'State', 'ZIP Code', 'Model Year', 'Make', 'Model', 'Electric Vehicle Type', 'Clean Alternative Fuel Vehicle (CAFV) Eligibility']

for col in cols:
le.fit(t[col])
df2[col] = le.transform(df2[col])
print(le.classes_)

Я получаю следующую ошибку:

Код: Выделить всё

TypeError                                 Traceback (most recent call last)
~\AppData\Local\Temp\ipykernel_16424\1094749331.py in 
1 for col in cols:
2     le.fit(t[col])
----> 3     df2[col] = le.transform(df2[col])
4     print(le.classes_)

~\.conda\envs\electricvehiclepriceprediction\lib\site-packages\sklearn\preprocessing\_label.py in transform(self, y)
136             return np.array([])
137
--> 138         return _encode(y, uniques=self.classes_)
139
140     def inverse_transform(self, y):

~\.conda\envs\electricvehiclepriceprediction\lib\site-packages\sklearn\utils\_encode.py in _encode(values, uniques, check_unknown)
185     else:
186         if check_unknown:
--> 187             diff = _check_unknown(values, uniques)
188             if diff:
189                 raise ValueError(f"y contains previously unseen labels: {str(diff)}")

~\.conda\envs\electricvehiclepriceprediction\lib\site-packages\sklearn\utils\_encode.py in _check_unknown(values, known_values, return_mask)
259
260         # check for nans in the known_values
--> 261         if np.isnan(known_values).any():
262             diff_is_nan = np.isnan(diff)
263             if diff_is_nan.any():

TypeError: ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

Что я пробовал?
Я пробовал использовать следующий код:

Код: Выделить всё

le = preprocessing.LabelEncoder()
cols = ['County', 'City', 'State', 'ZIP Code', 'Model Year', 'Make', 'Model', 'Electric Vehicle Type', 'Clean Alternative Fuel Vehicle (CAFV) Eligibility']
for col in cols:
le.fit(t[col])
df2[col] = le.transform(df2[col])
print(le.classes_)

Код выдает конкретную ошибку.
Чтобы решить эту проблему, я попытался вставить недостающее значение («N/») вместо удаления это с помощью этого кода:

Код: Выделить всё

for col in cols:
le.fit(t[col].fillna('Missing'))  # Impute missing values with 'Missing'
df2[col] = le.transform(df2[col].fillna('Missing'))
print(le.classes_)

Но все равно получаю ту же ошибку.
Вот ссылка на мой блокнот: https://github.com/SteveAustin583/electric -vehicle-price-prediction-revengers/blob/main/revengers.ipynb
Вот ссылка на набор данных:
https://www.kaggle.com/datasets/rithura ... hicle-data
Как решить эту проблему?

Подробнее здесь: https://stackoverflow.com/questions/792 ... n-a-machin