我在Macbook OSX 10.2.1（Sierra）上运行Python 3.5.2。
当我尝试从Kaggle运行泰坦尼克号数据集的一些代码时，我一直收到以下错误：
NotFittedError Traceback（最近调用最后）in（）6 7 #使用测试集进行预测并打印它们。----〉8 my_prediction = my_tree_one. predicate（test_features）9 print（my_prediction）10
/库/框架/Python.框架/版本/3.5/库/Python 3.5/站点包/sklearn/树/树. py在预测（自我，X，检查_输入）429 """430--〉431 X =自我.验证_X_预测（X，检查_输入）432概率=自我.树_.预测（X）433 n_样本= X.形状[0]
/库/框架/Python. framework/版本/3.5/lib/python3.5/站点包/sklearn/tree/tree. py in_validate_X_predict（self，X，check_input）386 """每当尝试预测、应用、预测概率时验证X""" 387如果self. tree_为None：- -〉388引发NotFittedError（"估计器未拟合"，389 "在利用模型之前调用fit"）390
未拟合错误：估计值未拟合，在利用模型之前调用fit。
违规代码似乎是这样的：

# Impute the missing value with the median
test.Fare[152] = test.Fare.median()

# Extract the features from the test set: Pclass, Sex, Age, and Fare.
test_features = test[["Pclass", "Sex", "Age", "Fare"]].values

# Make your prediction using the test set and print them.
my_prediction = my_tree_one.predict(test_features)
print(my_prediction)

# Create a data frame with two columns: PassengerId & Survived. Survived contains your predictions
PassengerId =np.array(test["PassengerId"]).astype(int)
my_solution = pd.DataFrame(my_prediction, PassengerId, columns = ["Survived"])
print(my_solution)

# Check that your data frame has 418 entries
print(my_solution.shape)

# Write your solution to a csv file with the name my_solution.csv
my_solution.to_csv("my_solution_one.csv", index_label = ["PassengerId"])

这里是code其余部分的链接。
因为我已经调用了"fit"函数，所以我不能理解这个错误消息。我哪里出错了？谢谢你的时间。

• • Edit**：原来这个问题是从前面的代码块继承而来的。

# Fit your first decision tree: my_tree_one
my_tree_one = tree.DecisionTreeClassifier()
my_tree_one = my_tree_one.fit(features_one, target)

# Look at the importance and score of the included features
print(my_tree_one.feature_importances_)
print(my_tree_one.score(features_one, target))

以下行：* * 我的树_一个=我的树_一个.拟合（要素_一个，目标）**
产生错误：
ValueError：输入包含NaN、无穷大或对dtype（"float32"）而言太大的值。