类型错误：预测（）缺少 1 个必需的位置参数：'y_train'答案

【问题标题】：TypeError: predict() missing 1 required positional argument: 'y_train'类型错误：预测（）缺少 1 个必需的位置参数：'y_train'
【发布时间】：2021-09-26 08:31:26
【问题描述】：

我无法将 GridSearchCV 与我的自定义估算器一起使用。我收到一条警告说评分失败并且我的 predict() 缺少 1 个位置参数，即 y_train。这是我的代码 `class FLVQ(BaseEstimator):

def __init__ (self, a=5):
        self.a = a

def fit(self, x_train, y_train):
    #somecodehere
    return self


def compare(self, x):
    distance = self.count_dist(x)
    index_dist = np.argmin(distance, axis=1)
    return np.array([self.centroid[i] for i in index_dist])

def predict(self, x_train, y_train):
    return np.sum(self.compare(x_train)==y_train.flatten())/x_train.shape[0]
`

当我运行我的 GS 时：

params={'a':[3,5]},
gs = GridSearchCV(FLVQ(), param_grid=params,cv=4, scoring="accuracy")   
gs.fit(x_train,y_train)
gs.predict(x_test)

我收到“用户警告：评分失败。这些参数在此训练测试分区上的分数将设置为 nan。”和 TypeError 因为我预测缺少 1 个参数。我该如何解决这个问题？由于我使用预测来比较结果和实际标签，因此它显示了模型的准确性

【问题讨论】：

你已经在你的函数中定义了预测部分需要得到y_train?为什么？因为如果您查看准备好的 API，例如 scikit-learn 来预测您只需要 x_train 或 x_test。你确定你走在正确的轨道上吗？

标签： python validation scikit-learn cross-validation gridsearchcv

【解决方案1】：

需要说明的是，我在预测函数中写y_train的目的不是为了说明我在想什么，请看下面：

import numpy as np
from sklearn.linear_model import LinearRegression
LR = LinearRegression()

data = np.arange(0,100)
x_train, y_train= np.split(data.sample(frac=1,random_state=1500),[int(0.7 * len(data))])
LR.fit(X_train,y_train)
LR.predict(x_train)

如需了解更多信息，请Scikit-learn/linear regression

【讨论】：