【问题标题】:'module' object has no attribute 'svc'“模块”对象没有属性“svc”
【发布时间】:2017-03-29 00:35:05
【问题描述】:
import pandas as pd
from sklearn import svm

### Read the CSV ###
df = pd.read_csv('C:/Users/anagha/Documents/Python Scripts/sampleData.csv')
df

from sklearn.cross_validation import train_test_split
train, test = train_test_split(df, train_size = 0.8)
train
test

x_column=['Userid','day_of_week','hour_of_day','minute_of_hour']
y_column = ['thermostat']

svc = svm.SVC()
model = svm.svc(kernel='linear', c=1, gamma=1) 

我收到一个错误 AttributeError: 'module' object has no attribute 'svc'。尝试了许多技术,但都没有奏效。我是 python 新手,非常感谢您的帮助

【问题讨论】:

    标签: python python-2.7 svm


    【解决方案1】:
    svc = svm.SVC(kernel='linear', C=1, gamma=1)
    

    注意大写C

    请参阅docs

    【讨论】:

    • 这对我仍然不起作用。这么奇怪。在这里尝试了所有解决方案。
    • 你的代码到底是什么,你得到了什么错误?
    【解决方案2】:

    你可以试试

    from sklearn.svm import SVC
    

    然后

    model = SVC(kernel='linear', c=1, gamma=1)
    

    对我来说很好用

    【讨论】:

      【解决方案3】:

      你可以试试这个:

      from sklearn import svm
      clf = svm.SVC(kernel='linear', C=1,gamma=1)
      

      “C”必须大写

      【讨论】:

        【解决方案4】:

        错误来自您下面的代码:

        model = svm.svc(kernel='linear', c=1, gamma=1) 
        

        使用后:

        svc = svm.SVC()
        

        svc 是由 svm.SVC() 生成的对象。所以我猜你想要的是:

        model = svc(kernel='linear', c=1, gamma=1)
        

        model = svm.SVC(kernel='linear', c=1, gamma=1)
        

        希望对你有帮助~

        【讨论】:

          【解决方案5】:

          你的问题源于你打电话的事实:

          model = svm.svc(kernel='linear', c=1, gamma=1) 
          

          在 svm.svc 中使用小写的 svc,应该是 svm.SVC。此外,正如 Alex Hall 所指出的,您将 c=1 称为小写字母,应为 C=1。给予:

          model = svm.SVC(kernel='linear', C=1, gamma=1) 
          

          【讨论】:

            【解决方案6】:

            我使用的是 sklearn 0.18 版

            我的问题解决了

            from sklearn import svm
            

            from sklearn.svm import SVC
            

            【讨论】:

            • 请注意,对于单一状态的答案,您也可以使用答案的评论部分。例如,在评论部分“您可以将svm 转换为SVC
            猜你喜欢
            • 2020-04-20
            • 1970-01-01
            • 2021-07-06
            • 2013-02-13
            • 2010-11-18
            • 2019-01-03
            • 2017-05-19
            • 2013-02-01
            相关资源
            最近更新 更多