我正在开发一个关于sklearn的多元回归分析，我仔细研究了文档。当我运行predict()函数时，我收到错误：predict()需要2个位置参数，但是给出了3个
X是数据帧，y是列;我试图将数据帧转换为数组/矩阵但仍然得到错误。
添加了一个显示x和y数组的代码段。
reg.coef_
reg.predict(x,y)
x_train=train.drop('y-variable',axis =1)
y_train=train['y-variable']
x_test=test.drop('y-variable',axis =1)
y_test=test['y-variable']
x=x_test.as_matrix()
y=y_test.as_matrix()
reg = linear_model.LinearRegression()
reg.fit(x_train,y_train)
reg.predict(x,y)
答案 0 :(得分：12)
使用reg.predict(x)。您不需要向y提供predict值。事实上，训练机器学习模型的目的是让它在y给出输入参数的情况下推断出x的值。
此外，predict here的文档说明predict只需要x作为参数。
您收到错误的原因：
predict（）需要2个位置参数但是3个被赋予
是因为，当你致电reg.predic(x)时，python会隐式将其翻译为reg.predict(self,x)，这就是错误告诉你 predict()占据2位置的原因参数。您调用预测的方式reg.predict(x,y)将被转换为reg.predict(self,x,y)，因此将使用3个位置参数而不是2，这将解释整个错误消息。
答案 1 :(得分：1)
当您测试测试集时，假设您没有标签。您正在测试您的模型可以概括的程度，因此您可以将预测与实际标签进行比较。如果要预测，只使用X变量。
答案 2 :(得分：0)
我认为您在reg.predict()和reg.score()之间感到困惑，前者是一种用于使用通过数据训练的模型对数据进行预测的方法。它仅将您的特征/独立变量X和对象本身self（内部注意）作为输入，并为您提供相应的预测目标/独立变量Y，之后将其与目标变量的实际值进行比较，并评估模型的性能。但是，如果您希望一步一步地进行模型评估，则可以使用reg.score()方法，该方法将X和Y都作为输入并计算相应的评估度量（R ^ 2或精度，具体取决于手头的问题）。有关更多信息，请参阅sklearn.linear_model.LinearRegression。
此外，这些方法在sklearn中的大多数监督学习模型中都很常见。