sklearn调用StandardScaler的fit_transform报错缺少位置参数X如何解决

报错原因 #

• 代码中sc = StandardScaler未对StandardScaler类进行实例化，直接将类本身赋值给了变量sc
• fit_transform是StandardScaler的实例方法，正常调用实例的该方法时，会默认将实例自身作为第一个位置参数self传入，仅需要传入X参数即可。如果直接通过类本身调用该方法，需要手动传入self和X两个参数，你传入的X_train会被识别为self，方法要求的X参数就会提示缺失，触发该TypeError。

解决方法 #

在实例化StandardScaler时添加空括号，创建类的实例对象再调用方法即可，修改后的完整代码如下：

X=data.iloc[:,:-1].values
from sklearn.model_selection import train_test_split
# 请确保y变量已经提前定义，否则会触发y未定义的报错
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.3)
from sklearn.preprocessing import StandardScaler
# 修正：添加括号实例化StandardScaler类
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
# 补充：测试集不要重新fit，直接用训练集拟合好的scaler做标准化，避免数据泄露
X_test = sc.transform(X_test)

内容的提问来源于stack exchange，提问作者Govind lodhi