Logistic Regression报错：'tuple' object has no attribute 'fit' 求助

错误原因 #

你在定义模型时犯了一个细节错误：

log_regression = "Logistic Regression", LogisticRegression(random_state=16)

这里的逗号让Python把右侧内容解析成了元组（包含字符串和模型实例），而元组没有fit方法，因此调用log_regression.fit()时触发了AttributeError。

修正步骤 #

1. 修正模型赋值语句 #

直接实例化LogisticRegression对象即可，多余的字符串可以单独存储（如果需要的话）：

# 仅实例化模型
log_regression = LogisticRegression(random_state=16)

# 如果需要保留模型名称，单独定义变量
model_name = "Logistic Regression"
log_regression = LogisticRegression(random_state=16)

2. 补充缺失的导入 #

原代码缺少LogisticRegression和accuracy_score的导入，必须补上：

from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

3. 处理特征数据（关键！否则训练仍会报错） #

你的特征包含Sex（字符串类型，如"male"/"female"）和Age（大概率存在缺失值），这两个问题会直接导致模型训练失败：

• 对Sex进行数值编码：用LabelEncoder把字符串转为数值型
• 填充Age的缺失值：比如用中位数填充（比均值更稳健）

完整修正代码 #

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sklearn.preprocessing import LabelEncoder

# 假设train_data是已加载的数据集DataFrame
y = train_data["Survived"]  # 目标变量
features = ["Age", "Sex", "Pclass"]
x = train_data[features]  # 特征变量

# 填充Age的缺失值
x["Age"] = x["Age"].fillna(x["Age"].median())

# 编码Sex特征
le = LabelEncoder()
x["Sex"] = le.fit_transform(x["Sex"])

# 拆分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=16)

# 实例化模型
log_regression = LogisticRegression(random_state=16)

# 训练模型
log_regression.fit(x_train, y_train)

# 预测并计算准确率
y_pred = log_regression.predict(x_test)
acc = accuracy_score(y_test, y_pred)
print(f"模型准确率：{acc:.2f}")

额外说明 #

• 若Age缺失值较少，也可以选择均值填充，具体根据数据集分布决定
• 对于多分类特征，推荐用OneHotEncoder，但Sex是二分类，LabelEncoder足够满足需求

内容的提问来源于stack exchange，提问作者Yan