如何为类拟合LinearRegression？解决NotFittedError报错问题

问题根源 #

你调用代码的逻辑存在关键错误——每次执行models()都会生成一个全新的models类实例。第一个models().train_lr(...)确实训练了该实例内的lm模型，但这个实例执行完就被销毁了；第二个models().test_lr(...)是创建了另一个全新的models实例，它的lm从未经过训练，自然触发了未拟合的错误。

解决方案 #

1. 复用同一个实例（核心修复）

创建一次models实例并保存到变量，之后训练和测试都使用这个变量：

# 创建实例并保存
my_model = models()
# 用同一个实例训练模型
my_model.train_lr(X_train, y_train, 'Base line')
# 用同一个实例测试模型
my_model.test_lr(X_test, y_test, 'Base line')

2. 优化train_lr方法（可选）

原train_lr方法末尾重复执行了self.lm.fit(X, y)，完全没必要（已经在开头完成拟合），修改后更高效：

def train_lr(self, X, y, title):
    self.lm.fit(X, y)
    y_hat = pd.DataFrame(self.lm.predict(X))
    mse = metrics.mean_squared_error(y, y_hat)        
    print('{} set'.format(title))
    print('R2 {}:'.format(title), self.lm.score(X, y))
    print('RMSE {}:'.format(title), math.sqrt(mse))
    print('')
    # 返回训练好的模型即可，无需重复拟合
    return self.lm

内容的提问来源于stack exchange，提问作者Dino