运行Lasso回归时出现sklearn NotFittedError错误如何解决

报错原因 #

sklearn.exceptions.NotFittedError: 该Lasso实例尚未拟合，请在使用该评估器前传入合适参数调用'fit'方法。

触发报错的直接原因是代码中存在两处逻辑错误：

• 你初始化了lasso_reg = Lasso(normalize=True)这个新的Lasso实例后，没有调用fit()方法传入训练数据完成模型拟合，直接调用predict()方法进行预测，触发了sklearn的未拟合校验报错。
• 额外逻辑缺陷：你第一个初始化的lasso实例拟合时错误传入了测试集X_test和y_test，模型拟合应该使用训练集数据，否则会导致数据泄露，失去模型评估的意义。

修复方案 #

调整模型拟合顺序，所有模型先使用训练集完成拟合后再进行预测/评分操作，修正后的完整代码如下：

from sklearn import datasets
from sklearn.linear_model import Lasso
from sklearn.model_selection import train_test_split

# 加载波士顿数据集
bh = datasets.load_boston()
X = bh.data
y = bh.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建Lasso回归实例并拟合训练集
lasso = Lasso(alpha=1.0)
lasso.fit(X_train, y_train)
# 计算模型得分
print(lasso.score(X_test, y_test), lasso.score(X_train, y_train))

# 初始化带normalize参数的Lasso实例，先拟合再预测
lasso_reg = Lasso(normalize=True)
lasso_reg.fit(X_train, y_train)
y_pred_lass = lasso_reg.predict(X_test)
print(y_pred_lass)

内容的提问来源于stack exchange，提问作者anna