我正在尝试一个简单的线性回归，并且我尝试了以下代码：
x1=data.iloc[:, 9].valuesy1=data.iloc[:,1].valuesfrom sklearn.model_selection import train_test_splitseed=7x1_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 LinearRegressionlireg=LinearRegression()model1=LinearRegression().fit(x1_train,y1_train)y_pred=lireg.predict(x1_test)NotFittedError: 此LinearRegression实例尚未拟合。请在使用此方法之前调用’fit’并传入适当的参数
请帮助我
回答：
以下是您遇到此错误的原因解释。让我们看一下以下几行代码：
lireg=LinearRegression()model1=LinearRegression().fit(x1_train,y1_train)y_pred=lireg.predict(x1_test)这里发生了什么？
-
您初始化了两个
LinearRegression模型，分别命名为：lireg和model1 -
对于
lireg您没有调用.fit，但对于model1您调用了。 -
y_pred=lireg.predict(x1_test)抛出错误，因为您尝试使用lireg进行.predict，但lireg尚未训练/拟合。
您只需要这样做：
方法1：
from sklearn.linear_model import LinearRegressionlireg=LinearRegression() # 初始化模型lireg.fit(x1_train,y1_train) # 拟合模型y_pred=lireg.predict(x1_test) # 现在预测方法2：
from sklearn.linear_model import LinearRegressionlireg=LinearRegression().fit(x1_train,y1_train) # 初始化并拟合模型y_pred=lireg.predict(x1_test) # 现在预测