在刚刚问的问题当中，由于短视频信息里面包含的数据类型不仅有数字，还有字符串等类型，直接使用该数据进行训练会报错，请你编程解决一下这个问题

好的，如果短视频信息中包含字符串等非数值类型，我们需要对这些非数值类型进行编码。

我们可以使用pandas的get_dummies()函数将字符串类型的特征转化为数值类型的特征。具体代码如下：

# 将非数值类型的特征进行编码
data = pd.get_dummies(data)

接下来，我们就可以按照上面的方法对数据进行数据清洗、填充和分割，然后使用支持向量机算法进行训练和预测了。完整的代码如下：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 读取metadata.csv文件
metadata = pd.read_csv('metadata.csv')

# 读取platform.csv文件
platform = pd.read_csv('platform.csv')

# 合并两个数据框
data = pd.merge(metadata, platform, on='id')

# 将非数值类型的特征进行编码
data = pd.get_dummies(data)

# 将缺失值填充为平均值
data = data.fillna(data.mean())

# 删除包含缺失值的行
data = data.dropna()

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.drop('platform', axis=1), data['platform'], test_size=0.2)

# 创建支持向量机模型
model = SVC()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print('准确率：', accuracy)

在这个例子中，我们使用了pandas的get_dummies()函数将字符串类型的特征转化为数值类型的特征，然后进行数据清洗、填充和分割，最后使用支持向量机算法进行训练和预测。