RandomForestClassifier预测时提示实例未拟合报错如何解决

sklearn的cross_val_predict仅用于交叉验证效果验证，运行时会内部克隆你传入的模型实例，在每个交叉验证折叠上单独拟合克隆后的模型、生成对应样本的预测值，整个过程不会修改你最初定义的原始forest_clf实例。因此你声明的forest_clf从头到尾都没有被拟合过，直接调用predict方法就会触发未拟合报错。
你之前得到的95%精度是交叉验证过程中各折叠克隆模型的预测结果评估值，仅能证明当前模型参数的效果符合预期，不代表原始模型已经完成训练。

1. 确认交叉验证效果符合预期后，先用全量训练集拟合原始模型：

forest_clf.fit(X_train, y_train)

2. 拟合完成后再执行测试集预测即可正常运行：

final_predictions = forest_clf.predict(test_prepared)

内容的提问来源于stack exchange，提问作者sourav