代码苦手,在使用sklearn中LinearRegression时,若直接使用
LinearRegression().fit(x_train,y_train)
则会报错This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.
若是先行将LinearRegression()定义为其他,如
houselr = LinearRegression()
houselr.fit(x_train,y_train)
则不会出现该状况,这是为什么呢?
基于Monster 组和GPT的调写：
使用 Scikit-learn 的机器学习模型时，通常都是先实例化一个模型对象，然后再调用其 fit 方法来拟合模型。如果直接调用 LinearRegression().fit(x_train, y_train)，你会得到一个 "This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator." 的错误。这是因为，在调用 fit 方法前，模型实例没有被保存下来，因此不能在之后使用。
而在这种情况下：
houselr = LinearRegression()
houselr.fit(x_train,y_train)
首先，我们实例化了一个 LinearRegression 对象，并将其保存在变量 houselr 中。然后再调用 houselr.fit(x_train, y_train) 拟合模型，这样就不会报错。因此，通常情况下，在使用模型时都会先将其实例化，再拟合。
首先，使用 LinearRegression().fit(x_train, y_train) 的语句中，每次调用都会生成一个新的 LinearRegression 实例，并对其进行训练。因此在接下来的代码中，该实例不再是已经训练过的模型，而是一个未经训练的实例，因此会报出错误：“This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.”
而在定义 houselr = LinearRegression() 的语句中，我们生成了一个名为 houselr 的 LinearRegression 实例，并在接下来的代码中对其进行训练。由于实例已经被训练，因此在后续代码中可以直接使用该实例，不会再报出错误。