TypeError: fit() 缺少 1 個必需的位置參數：'y'

Question

我正在嘗試使用高斯朴素貝葉斯“分類器”來預測經濟周期。

數據（輸入 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

目標（輸出 Y）：

    Economy
0   Expansion
1   Expansion
2   Expansion
3   Expansion

下面是我的代碼：

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)

以下是錯誤：

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'

我究竟做錯了什么？ 我該如何解決這個問題/錯誤？

Answer 1

你忘記了括號“()”：

model = GaussianNB()

Answer 2

每當您嘗試初始化/定義類的對象時，您必須調用它自己的構造函數來為您創建一個對象。 構造函數可能有參數，也可能沒有。 在您的情況下， GaussianNB是來自 sklearn 的類，默認情況下具有非參數構造函數。

obj_model =  GaussianNB()

因此，我們確實創建了一個帶有空括號的對象，這僅表示默認構造函數。

Answer 3

你忘了在你的模型gaussianNB后面加上() 。 嘗試在第 6 行執行此操作：

model = GaussianNB()

我很確定它會解決問題。

Answer 4

以防萬一其他人偶然發現這一點，遭受與我相同的根本原因：當您嘗試將方法“fit”作為類上的靜態方法（classmethod）而不是調用它時，也會發生此錯誤類的實例化對象。 這也適用於其他框架中的其他分類器，例如 PySpark。

例如，這將不起作用：

model = LogisticRegression.fit(data)

但這將：

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

Answer 5

您只需要為模型添加 ()。

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)

這工作..

Answer 6

您只需要為模型添加() 。

model = GaussianNB()

Answer 7

你忘記了 GaussianNB 前面的括號符號，

正確的線是 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)

祝你好運