我试图使用SciKit Learn的线性回归来分析一个数据集。我的数据集是一个包含数据和标签行的csv文件。我的代码如下：
import numpy as npimport pandas as pdfrom sklearn import linear_modeldata = pd.read_csv('temp.csv')reg = linear_model.LinearRegression()reg.fit(data)当我运行这段代码时，我得到了错误：TypeError: fit() missing 1 required positional argument: 'y'
遇到此错误的其他程序员通常是没有正确初始化模型（通过省略默认构造函数的括号），然而我已经使用了括号，并且我的初始化语句直接来自于sklearn的示例。因此，我不太确定哪里出了问题。
虽然我过去已经做了相当多的机器学习模型工作，但我一直使用TensorFlow。现在我正在与一个使用SciKit Learn的团队合作，但我在使用它方面的经验不足，这可能是一个我忽略的非常简单的错误！
回答：
LinearRegression是一种监督学习方法。因此，在尝试拟合模型时，你必须提供y标签。所以在你的temp.csv文件中，你应该有一个列代表数据集的y值。
如果你的y标签只有一列，代码应该像这样：
data = pd.read_csv('filename.csv')x = data[:,:-1]y = data[:,-1]regressor = linear_model.LinearRegression()regressor.fit(x,y)