sklearn LinearRegression报错predict()缺失必填参数'X'：问题排查与解决

嘿，我一眼就看到你代码里的问题啦！咱们一步步来拆解：

错误原因分析 #

你在初始化线性回归模型和训练模型的步骤里犯了两个小错误：

• 第一，你没有正确创建LinearRegression的实例：regressor = LinearRegression 这行代码只是把类本身赋值给了变量，而不是创建一个可以使用的模型实例（需要加括号()来完成实例化）。
• 第二，训练模型的方式不对：regressor(X_train, y_train) 这行完全不符合sklearn的API规范，训练模型应该调用实例的fit()方法，而不是直接用类（或者未实例化的变量）来传参。

这两个错误叠加，导致后续调用predict()时，你其实是在调用类的方法，而不是实例的方法，所以才会提示缺少必要的参数X。

修正后的完整代码 #

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Salary_Data.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 1].values

# Splitting the dataset into the Training set and Test set
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, random_state = 0)

# Fitting Simple Linear Regression to the Training Set
from sklearn.linear_model import LinearRegression
# 修正1：创建LinearRegression的实例
regressor = LinearRegression()
# 修正2：调用实例的fit方法训练模型
regressor.fit(X_train, y_train)

# Predicting the Test set results
Y_pred = regressor.predict(X_test)

关键修正点解释 #

• regressor = LinearRegression()：加了括号后，才真正创建了一个线性回归模型的实例，后续所有的方法调用都要基于这个实例。
• regressor.fit(X_train, y_train)：使用实例的fit()方法传入训练数据，让模型学习工龄和薪资之间的线性关系，这才是sklearn训练模型的正确方式。

这样修改后，你再运行代码就能正常生成预测结果Y_pred啦！

内容的提问来源于stack exchange，提问作者Tirth Bharatiya