【发布时间】：2019-12-20 09:00:15
【问题描述】：
我已经保存了一个经过训练的模型和测试数据集，并希望重新加载它只是为了验证我得到相同的结果以供将来使用该模型（我目前没有新数据要测试） .我保存的 csv 不包含标签，它与原始训练/测试操作中的测试数据相同，效果很好。
我是这样创建模型的：
# copy split data for this model
dtc_test_X = test_X
dtc_test_y = test_y
dtc_train_X = train_X
dtc_train_y = train_y
# initialize the model
dtc = DecisionTreeClassifier(random_state = 1)
# fit the trianing data
dtc_yhat = dtc.fit(dtc_train_X, dtc_train_y).predict(dtc_test_X)
# scikit-learn's accuracy scoring
acc = accuracy_score(dtc_test_y, dtc_yhat)
# scikit-learn's Jaccard Index
jacc = jaccard_similarity_score(dtc_test_y, dtc_yhat)
# scikit-learn's classification report
class_report = classification_report(dtc_test_y, dtc_yhat)
我已将模型和数据保存在下面：
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.externals import joblib
# setup the pipe line
pipe = make_pipeline(DecisionTreeClassifier)
# save the model
joblib.dump(pipe, 'model.pkl')
dtc_test_X.to_csv('set_to_predict.csv')
当我重新加载模型并尝试如下预测时：
#Loading the saved model with joblib
pipe = joblib.load('model.pkl')
# New data to predict
pr = pd.read_csv('set_to_predict.csv')
pred_cols = list(pr.columns.values)
pred_cols
# apply the whole pipeline to data
pred = pd.Series(pipe.predict(pr[pred_cols]))
在最后一行（预测）它引发了一个异常：
TypeError: predict() missing 1 required positional argument: 'X'
在寻找答案时，我只能找到类似异常的示例，但使用 Y 而不是 X 并且答案似乎并不适用。为什么会出现此错误？
【问题讨论】：
标签： python pandas scikit-learn pipeline