![](/img/trans.png)
[英]Scikit-learn LinearRegression: How to resolve the error “ fit() missing 1 required positional argument: 'y' ”?
[英]scikit-learn - TypeError: fit() missing 1 required positional argument: 'y'
import numpy as np
import pandas as pd
dataset=pd.read_csv("/Users/rushirajparmar/Downloads/Social_network_Ads.csv",error_bad_lines = False)
X = dataset.iloc[:,[2,3]].values.
Y = dataset.iloc[:,4].values
from sklearn.model_selection import train_test_split
X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size = 0.25,random_state = 0)
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression()
classifier.fit(X_train,Y_train)
y_pred = classifier.fit(X_test)
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(Y_test, y_pred)
我剛開始練習LogisticRegression時遇到此錯誤。我不明白是什么錯誤。我嘗試在Internet上搜索它,但沒有幫助
y_pred = classifier.fit(X_test).values.ravel()
TypeError: fit() missing 1 required positional argument: 'y'
以下是數據集的鏈接:
https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Social_Network_Ads.csv
提前致謝!
您正在嘗試再次使用測試數據來適合您的分類器:
y_pred = classifier.fit(X_test)
當然這也需要不傳遞標簽(因此會丟失y
的錯誤); 我假設您真正想做的是獲取測試數據的預測 ,在這種情況下,您應該使用predict
,而不fit
:
y_pred = classifier.predict(X_test)
您已經在classifier.fit(X_train,Y_train)
擬合了訓練數據。 classifier
是您的模型,現在您要預測測試X
數據的y
值( y_pred
)。 因此,您需要做的是
y_pred = classifier.predict(X_test)
但是你在做什么
y_pred = classifier.fit(X_test)
因此,您遇到的錯誤fit() missing 1 required positional argument: 'y'
因為在擬合時,您還需要在此處使用因變量y
。
只需更換.fit
通過.predict
在上述行。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.