Question

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)

我刚开始练习LogisticRegression时遇到此错误。我不明白出了什么问题。我尝试在Internet上搜索它，但没有帮助

y_pred = classifier.fit(X_test).values.ravel()

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

以下是数据集的链接：

https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Social_Network_Ads.csv

谢谢！

Answer 1

您正尝试使用测试数据再次拟合您的分类器：

y_pred = classifier.fit(X_test)

这当然也需要不传递标签（因此，缺少y的错误）；我假设您真正想做的是为测试数据获取预测，在这种情况下，您应该使用predict，而不是fit：

y_pred = classifier.predict(X_test)

Answer 2

您已经将训练数据拟合到classifier.fit(X_train,Y_train)中。 classifier是您的模型，现在您要预测测试y数据的y_pred值（X）。因此，您需要做的是

y_pred = classifier.predict(X_test)

但是您正在做的是

y_pred = classifier.fit(X_test)

因此，您会收到错误fit() missing 1 required positional argument: 'y'，因为在拟合期间，您还需要在这里使用因变量y。

只需在上述行中将.fit替换为.predict。

scikit-learn-TypeError：fit（）缺少1个必需的位置参数：'y'

2 个答案: