如何在sklearn中处理不同的数据类型

Question

我有一个Pandas.DataFrame对象 dfTrain ，它存储了所有训练数据点

此数据框中有多种数据类型，例如，一个名为＆＃34的列; IP＆＃34;存储字符串值（如＆＃34; 168.0.0.1＆＃34;），而另一列名为＆＃34; SIZE＆＃34;包括整数值。

现在，我使用sklearn.ensemble.GradientBoostingRegressor训练模型：

# prepare data set
    x_train = dfTrainningSet.values
    y_train = dfTrainningSetLabels['LABEL1'].values

    # setup regressor
    params = {'n_estimators':500, 'max_depth':10, 'min_samples_split':50, 'min_samples_leaf':50, 'learning_rate':0.05, 'loss':'lad', 'subsample':1.0, 'max_features':0.9} 
    gbr = GradientBoostingRegressor(**params) 

    # fit
    print('start to train model ...') 
    gbr.fit(x_train, y_train) 
    print('finish training model, \n start to predict...')
    ....

但是，引发了 valueError 异常：

  

/anaconda/lib/python2.7/site-packages/numpy/core/numeric.pyc in   ascontiguousarray（a，dtype）       546       547＆＃34;＆＃34;＆＃34;    - ＆GT; 548返回数组（a，dtype，copy = False，order =＆＃39; C＆＃39;，ndmin = 1）       549       550 def asfortranarray（a，dtype = None）：

     

ValueError：float（）的文字无效：124.160.177.72

我想知道如何在sklearn中处理这种多数据类型的数据集？有没有办法解决这个错误？

任何建议都将不胜感激。