我正在使用sklearn.ensemble.RandomForestClassifier来分析数据，我很困惑地看到预测中的NaN值没有训练集或测试集中的任何NaN。
print preds_y[preds_y.isnull().any(axis=1)].shape
print train_y[train_y.isnull().any(axis=1)].shape
print train_features[train_features.isnull().any(axis=1)].shape
print test_features[train_features.isnull().any(axis=1)].shape
> (4830, 1)
> (0, 1)
> (0, 22)
> (0, 22)
这些NaN值导致对sklearn.metrics.classification_report的调用失败，并显示以下错误：
> ValueError: Mix of label input types (string and number)
现在我最感兴趣的是了解随机森林为何吐出NaNs。一旦我弄明白，我就可以相应地过滤结果，看看该方法的表现如何。
提前感谢您的意见。
（如果之前有人问我，我很抱歉。我搜索了它，但我发现训练数据中的所有结果都与NaN有关，这根本不是我的问题。）
编辑1：为了清楚起见，输出中有许多有效的预测：
print preds_y[~preds_y.isnull().any(axis=1)].shape
print train_y[~train_y.isnull().any(axis=1)].shape
> (11760, 1)
> (39749, 1)
编辑2：
正如我在下面的评论中所写，原始数据包含数字和分类列。在调用fit（）之前，使用pandas.get_dummies（）将所有分类列转换为数字。我将结果转换回pandas.DataFrame并重新构建原始分类列以提高可读性。两个pandas.Series - 预测值和实际值 - 我正在喂食classification_report（）只有一种类型（类别）。
如果随机森林对与原始分类列对应的每个虚拟二进制列预测为0，则预测中的NaN似乎出现。我没想到会经常发生这种情况 - 似乎有30％的参赛作品没有分类 - 但我不确定在这个问题上还有什么需要补充的。