Одна категориальная функция горячего кодирования для использования в качестве обучающих данных с числовыми функциями в sklearn

Я пытаюсь обучить модель, которая считывает данные из CSV в качестве данных обучения. Для этого я пытаюсь выполнить одно горячее кодирование категориальных функций, а затем передать результирующие массивы единиц и нулей в качестве функций вместе с только ванильными числовыми функциями.

У меня такой код:

X = pd.read_csv('Data2Cut.csv')

Y = X.select_dtypes(include=[object])

le = preprocessing.LabelEncoder()

Y_2 = Y.apply(le.fit_transform)


enc = preprocessing.OneHotEncoder()

enc.fit(Y_2)

onehotlabels = enc.transform(Y_2).toarray()
onehotlabels.shape

features = []
labels = []
mycsv = csv.reader(open('Data2Cut.csv'))
indexCount = 0
for row in mycsv:
  if indexCount < 8426:
    features.append([onehotlabels[indexCount], row[1], row[2], row[3], row[6], row[8], row[9], row[10], row[11]])
    labels.append(row[12])
    indexCount = indexCount + 1

training_data = np.array(features, dtype = 'float_')
training_labels = np.array(labels, dtype = 'float_')

log = linear_model.LogisticRegression()
log = log.fit(training_data, training_labels)
joblib.dump(log, "modelLogisticRegression.pkl")

Кажется, доходит до строки:

training_data = np.array(features, dtype = 'float_')

Перед тем, как он выйдет из строя, вы получите следующую ошибку:

ValueError: setting an array element with a sequence.

Я полагаю, что это результат того, что одни горячие закодированные значения являются массивами, а не плавающими. Как я могу изменить / настроить этот код, чтобы обрабатывать категориальные и числовые функции в качестве обучающих данных?

Изменить: пример строки, которую я загружаю, где каждый столбец является функцией:

mobile, 1498885897, 17491407,   23911,  west coast, 2,  seagull, 18,    41.0666666667,  [0.325, 0.35],  [u'text', u'font', u'writing', u'line'],    102, 5  
#...