运行回归代码遇AttributeError：sklearn无linear_model属性

我来帮你分析下这个问题——你遇到的这个错误本质是scikit-learn的子模块需要显式导入，不能只靠顶层的import sklearn就直接访问深层子模块。

问题原因 #

你的代码里只写了import sklearn，但linear_model是sklearn的一个子模块，默认不会自动导入到顶层命名空间里，所以当你尝试用sklearn.linear_model.LinearRegression()时，Python找不到这个属性。

修复方案 #

你有两种简单的修复方式：

方式1：显式导入linear_model子模块

在代码开头的导入部分添加这一行：

from sklearn import linear_model

然后把创建模型的代码改成：

lin_reg_model = linear_model.LinearRegression()

方式2：直接导入LinearRegression类

如果不想写长长的模块路径，可以直接导入目标类：

from sklearn.linear_model import LinearRegression

然后创建模型的代码简化为：

lin_reg_model = LinearRegression()

额外提示 #

另外，你的代码里还有一个过时的导入：

import sklearn.cross_validation

在新版本的scikit-learn中，cross_validation模块已经被迁移到model_selection下了，如果后续运行遇到相关错误，记得改成：

from sklearn import model_selection

修复后的完整代码示例 #

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn import model_selection  # 替换过时的cross_validation
from sklearn.linear_model import LinearRegression  # 导入需要的模型类

# Load the data
oecd_bli = pd.read_csv("C:/Users/Excel/Desktop/Briefcase/PDFs/ALL PYTHON & R CODE SAMPLES/Hands-On Machine_Learning_with_Scikit_Learn_and_Tensorflow/GDP Per Capita/oecd_bli.csv", thousands=',')
gdp_per_capita = pd.read_csv("C:/Users/Excel/Desktop/Briefcase/PDFs/ALL PYTHON & R CODE SAMPLES/Hands-On Machine_Learning_with_Scikit_Learn_and_Tensorflow/GDP Per Capita/gdp_per_capita.csv",thousands=',')

# view first 10 rows of data frame
oecd_bli[:10]
gdp_per_capita[:10]

country_stats = pd.merge(oecd_bli, gdp_per_capita, left_index=True, right_index=True)
country_stats[:10]

X = np.c_[country_stats["GDP"]]
Y = np.c_[country_stats["VALUE"]]
print(X)
print(Y)

# Visualize the data
country_stats.plot(kind='scatter', x="GDP", y='VALUE')
plt.show()

# Select a linear model
lin_reg_model = LinearRegression()
# Train the model
lin_reg_model.fit(X, Y)

# Make a prediction for Cyprus
X_new = [[22587]] # Cyprus' GDP per capita
print(lin_reg_model.predict(X_new))

内容的提问来源于stack exchange，提问作者ASH