在这一行你有错误

Question

我正在尝试简单的线性回归，并且已经尝试了以下代码：

x1=data.iloc[:, 9].values
y1=data.iloc[:,1].values

from sklearn.model_selection import train_test_split
seed=7
x1_train,x1_test,y1_train,y1_test= 
train_test_split(x1,y1,test_size=0.15,random_state=seed)

x1_train=nm.reshape(nm.array(x1_train),(-1,1))

from sklearn.linear_model import LinearRegression
lireg=LinearRegression()
model1=LinearRegression().fit(x1_train,y1_train)

y_pred=lireg.predict(x1_test)

NotFittedError：此LinearRegression实例尚未安装。使用此方法之前，请使用适当的参数调用“适合”

请帮助

Answer 1

这是解释此错误原因的说明。让我们看一下以下几行：

lireg=LinearRegression()
model1=LinearRegression().fit(x1_train,y1_train)
y_pred=lireg.predict(x1_test)

这里会发生什么？

您初始化2个LinearRegression和lireg
对于model1，您不会呼叫lireg，但对于.fit，您会呼叫。
model1引发错误，因为您尝试使用y_pred=lireg.predict(x1_test) .predict，但是lireg没有经过训练/适合。

您只需要这个：

方法1：

lireg

方法2：

from sklearn.linear_model import LinearRegression

lireg=LinearRegression() # initialize the model
lireg.fit(x1_train,y1_train) # fit he model
y_pred=lireg.predict(x1_test) # now predict

Answer 2

model1=LinearRegression().fit(x1_train,y1_train)

在这一行你有错误

答案：

使用 lireg 而不是 LinearRegression()

正确的代码是： model1=lireg.fit(x1_train,y1_train)

Sklearn NotFittedError：此LinearRegression实例尚未安装

2 个答案:

在这一行你有错误