这是我第一次从事机器学习工作。我有一个任务，需要在苹果股票回报上使用Sklearn运行逻辑回归和贝叶斯回归，并将其与线性回归和TensorFlow进行比较。我不太确定是否理解正确，在运行逻辑回归之前是否需要训练我的数据集。我尝试这样做时我的数据看起来像这样：

Closing_Price   Daily_Returns   Daily_Returns_1 Daily_Returns_2 Daily_Returns_3 Daily_Returns_4 Daily_Returns_5Date                            1980-12-22  0.53    0.058269    0.040822    0.042560    0.021979    -0.085158   -0.0400051980-12-23  0.55    0.037041    0.058269    0.040822    0.042560    0.021979    -0.0851581980-12-24  0.58    0.053110    0.037041    0.058269    0.040822    0.042560    0.0219791980-12-26  0.63    0.082692    0.053110    0.037041    0.058269    0.040822    0.0425601980-12-29  0.64    0.015748    0.082692    0.053110    0.037041    0.058269    0.040822

当我运行

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X,y,test_size = 0.2)

我得到一个错误NameError: name 'X' is not defined

非常感谢您的帮助。提前感谢您的时间。

回答：

看了很多YouTube视频，出于某种原因，他们没有告诉你这一点。你必须定义X和y，像这样：

X = apple['Closing_Price'].values.reshape(-1,1)

y = apple['Daily_Returns'].values.reshape(-1,1)