我正在学习ML,并且正在做一个简单的动手,如下所示:
// 将boston.data分成两组,分别为x_train和x_test。另外,将boston.target分成两组y_train和y_test。
使用默认参数从x_train集合构建决策树回归模型。 //
我为此做了以下代码:
from sklearn import datasets, model_selection, tree
boston = datasets.load_boston()
x_train, x_test, y_train, y_test = model_selection.train_test_split(boston.data,boston.target, random_state=30)
dt = tree.DecisionTreeRegressor()
dt_reg = dt.fit(x_train)
当我在上面做的时候,它会给出:
TypeError: fit() missing 1 required positional argument: 'y'
我可以为一个训练数据集拟合模型吗?
在这里我应该给什么作为“ y”?
答案 0 :(得分:0)
由于错误状态,fit()
方法针对回归问题采用了两个参数,即预测变量和结果:
dt_reg = dt.fit(x_train, y_train)
有监督的学习模型,例如您正在使用的回归树,需要一组由特征组成的观测值(X_train
的每一行都可以理解为包含一个观测值特征的向量)和目标结果(每个元素)在向量y_train
中)