TypeError: fit() 缺少 1 个必需的位置参数：'y'

Question

我正在尝试使用高斯朴素贝叶斯“分类器”来预测经济周期。

数据（输入 X）：

             SPY    Interest Rate    Unemployment   Employment  CPI
Date                    
1997-01-02   56.05     7.82            9.7           3399.9     159.100
1997-02-03   56.58     7.65            9.8           3402.8     159.600
1997-03-03   54.09     7.90            9.9           3414.7     160.000

目标（输出 Y）：

    Economy
0   Expansion
1   Expansion
2   Expansion
3   Expansion

下面是我的代码：

from sklearn.naive_bayes import GaussianNB
from sklearn import metrics
from sklearn.cross_validation import train_test_split
X = data
Y = target
model = GaussianNB
X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
model.fit(X_train, Y_train)

以下是错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-132-b0975752a19f> in <module>()
  6 model = GaussianNB
  7 X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
  ----> 8 model.fit(X_train, Y_train)

  TypeError: fit() missing 1 required positional argument: 'y'

我究竟做错了什么？ 我该如何解决这个问题/错误？

Answer 1

你忘记了括号“()”：

model = GaussianNB()

Answer 2

每当您尝试初始化/定义类的对象时，您必须调用它自己的构造函数来为您创建一个对象。 构造函数可能有参数，也可能没有。 在您的情况下， GaussianNB是来自 sklearn 的类，默认情况下具有非参数构造函数。

obj_model =  GaussianNB()

因此，我们确实创建了一个带有空括号的对象，这仅表示默认构造函数。

Answer 3

你忘了在你的模型gaussianNB后面加上() 。 尝试在第 6 行执行此操作：

model = GaussianNB()

我很确定它会解决问题。

Answer 4

以防万一其他人偶然发现这一点，遭受与我相同的根本原因：当您尝试将方法“fit”作为类上的静态方法（classmethod）而不是调用它时，也会发生此错误类的实例化对象。 这也适用于其他框架中的其他分类器，例如 PySpark。

例如，这将不起作用：

model = LogisticRegression.fit(data)

但这将：

log_reg = LogisticRegression()
model = log_reg.fit(data)

Answer 5

您只需要为模型添加 ()。

from sklearn.naive_bayes import GaussianNB
from sklearn import metrics
from sklearn.cross_validation import train_test_split
X = data
Y = target
model = GaussianNB()
X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
model.fit(X_train, Y_train)

这工作..

Answer 6

您只需要为模型添加() 。

model = GaussianNB()

Answer 7

你忘记了 GaussianNB 前面的括号符号，

正确的线是 Model = GaussianNB()<\/strong>

Answer 8

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.35, `
`random_state=100)
from sklearn.linear_model import LinearRegression 
lm = LinearRegression
lm.fit(X_test,y_test)

祝你好运