需要检查数据集中所有的非数值型特征、所有的特征值，以及使用的数值化方法来避免这个错误。请用代码演示一下

当数据集中包含非数值型的特征时，在将其转换为数值型时，需要使用适当的编码方法。常用的编码方法包括 Label Encoding 和 One-Hot Encoding。下面是使用 Label Encoding 的示例代码：

# 导入 pandas 库
import pandas as pd

# 读取数据集
df = pd.read_csv('data.csv')

# 使用 Label Encoding 将非数值型特征转换为整数编码
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df['non_numeric_feature'] = le.fit_transform(df['non_numeric_feature'])

在这个示例代码中，将数据集中的非数值型特征'non_numeric_feature'使用 Label Encoding 方法进行编码，以确保数据集中所有的特征都是数值型的。需要注意的是，如果数据集中的非数值型特征包含了无法转换为整数的值，那么在使用 Label Encoding 方法时，仍然可能会出现上述错误。此外，在使用 One-Hot Encoding 方法时，也需要注意这个问题。因此，需要检查数据集中所有的非数值型特征、所有的特征值，以及使用的数值化方法来避免这个错误。