我有一个这样的数据集。

Ingredient_A | Ingredient_B | Ingredient_C | Ingredient_D | Meal------------------------------------------------------------------   Bread     |   Butter     |       -      |       -      | buttered bread   Avocado   |   Tomato     |     Garlic   |       -      | Guacamloe

我想用它来训练一个sklearn决策树分类器，但我不知道如何处理数据集中变化的特征维度。理想情况下，我希望空单元格被忽略。我考虑过用nan替换空单元格，但sklearn不接受nan。有什么方法可以使用这样的数据集进行sklearn训练吗？

回答：

你应该将数据编码为这样的向量：

(Avocado, Bread, Butter, Garlic, Tomato)(0,1,1,0,0) = 'Buttered Bread'(1,0,0,1,1) = 'Guacamloe'

向量中的每个元素代表特定成分的存在。你可以直接将这种格式的数据输入到任何分类器中，而不会遇到隐式排序的问题。