多元线性回归-TypeError：fit（）缺少1个必需的位置参数：'y'[重复]

Question

import pandas as pd
from sklearn.linear_model import LinearRegression as lm

x = data_all[combi_list[0][1:]]
y = data_all[combi_list[0][0]]

lm.fit(x, y)

我正在尝试创建一个多元线性回归模型，其中包含 2 个自变量“x”和 1 个因变量“y”。

似乎无法理解为什么这个错误TypeError: fit() missing 1 required positional argument: 'y' 不断出现。

数据类型

1. type(data_all) = pandas DataFrame
2. type(combi_list) = 包含列表的列表

我尝试遵循类似的有效代码。 https://datatofish.com/multiple-linear-regression-python/

import pandas as pd
from sklearn import linear_model
import statsmodels.api as sm

Stock_Market = {'Year': [2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2017,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016,2016],
                'Month': [12, 11,10,9,8,7,6,5,4,3,2,1,12,11,10,9,8,7,6,5,4,3,2,1],
                'Interest_Rate': [2.75,2.5,2.5,2.5,2.5,2.5,2.5,2.25,2.25,2.25,2,2,2,1.75,1.75,1.75,1.75,1.75,1.75,1.75,1.75,1.75,1.75,1.75],
                'Unemployment_Rate': [5.3,5.3,5.3,5.3,5.4,5.6,5.5,5.5,5.5,5.6,5.7,5.9,6,5.9,5.8,6.1,6.2,6.1,6.1,6.1,5.9,6.2,6.2,6.1],
                'Stock_Index_Price': [1464,1394,1357,1293,1256,1254,1234,1195,1159,1167,1130,1075,1047,965,943,958,971,949,884,866,876,822,704,719]        
                }

df = pd.DataFrame(Stock_Market,columns=['Year','Month','Interest_Rate','Unemployment_Rate','Stock_Index_Price'])

X = df[['Interest_Rate','Unemployment_Rate']] # here we have 2 variables for multiple regression. If you just want to use one variable for simple linear regression, then use X = df['Interest_Rate'] for example.Alternatively, you may add additional variables within the brackets
Y = df['Stock_Index_Price']
 
# Correct up to here

# with sklearn
regr = linear_model.LinearRegression()
regr.fit(X, Y)

print('Intercept: \n', regr.intercept_)
print('Coefficients: \n', regr.coef_)

提前致谢！

Answer 1

在您的代码中

from sklearn.linear_model import LinearRegression as lm

x = data_all[combi_list[0][1:]]
y = data_all[combi_list[0][0]]

lm.fit(x, y)

您尚未实例化sklearn.linear_model.LinearRegression class，但您正在使用实例方法.fit()。调用.fit()之前需要先实例化对象。

from sklearn.linear_model import LinearRegression

x = data_all[combi_list[0][1:]]
y = data_all[combi_list[0][0]]

lm = LinearRegression()
lm.fit(x, y)

来自an answer to a related question：

你会得到y 丢失的看似奇怪的错误，因为.fit 是一个实例方法，所以这个函数的第一个参数实际上是self。当您在实例上调用 .fit 时，self 会自动传递。如果您在类（而不是实例）上调用.fit，则必须提供self。