NOTFITTERERROR:估算器不拟合，在利用模型之前调用“ fit”

Question

我在MacBook OSX 10.2.1（Sierra）上运行Python 3.5.2。

尝试从Kaggle运行一些泰坦尼克号数据集的代码时，我一直遇到以下错误：

---

NotFittitedError Trackback（最近的电话 last）in（） 6 7＃使用测试集进行预测并打印。 ----> 8 my_prediction = my_tree_one.predict（test_features） 9印刷（my_prediction） 10

/library/frameworks/python.framework/versions/3.5/lib/python3.5/site-packages/sklearn/tree/tree.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py 在预测（self，x，check_input）中 429" 430 -> 431 x = self._validate_x_predict（x，check_input） 432 proba = self.tree_.predict（x） 433 n_samples = X.Shape [0]

/library/frameworks/python.framework/versions/3.5/lib/python3.5/site-packages/sklearn/tree/tree.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py.py 在_validate_x_predict（self，x，check_input）中 每当试图预测，应用，预测_proba"时，386""验证X 387如果self.tree_无： -> 388提出不拟合eRror（"不安装估计器"， 389"在利用模型之前调用fit。"） 390

notFittitError：不安装估算器，在利用该估计值之前致电fit 型号。

有问题的代码似乎就是这样：

# Impute the missing value with the median
test.Fare[152] = test.Fare.median()
# Extract the features from the test set: Pclass, Sex, Age, and Fare.
test_features = test[["Pclass", "Sex", "Age", "Fare"]].values
# Make your prediction using the test set and print them.
my_prediction = my_tree_one.predict(test_features)
print(my_prediction)
# Create a data frame with two columns: PassengerId & Survived. Survived contains your predictions
PassengerId =np.array(test["PassengerId"]).astype(int)
my_solution = pd.DataFrame(my_prediction, PassengerId, columns = ["Survived"])
print(my_solution)
# Check that your data frame has 418 entries
print(my_solution.shape)
# Write your solution to a csv file with the name my_solution.csv
my_solution.to_csv("my_solution_one.csv", index_label = ["PassengerId"])

这是代码其余部分的链接。

由于我已经称为" fit"函数，所以我无法理解此错误消息。我要去哪里？感谢您的时间。

编辑：事实证明，问题是从上一个代码块继承的。

# Fit your first decision tree: my_tree_one
my_tree_one = tree.DecisionTreeClassifier()
my_tree_one = my_tree_one.fit(features_one, target)
# Look at the importance and score of the included features
print(my_tree_one.feature_importances_)
print(my_tree_one.score(features_one, target))

与行： my_tree_one = my_tree_one.fit（features_one，target）

生成错误：

valueerror：输入包含NAN，Infinity或一个太大的值 dtype（'float32'）。

Answer 1

错误是自我解释的： features_one或 target阵列确实包含 NaN s或无限值，因此估算器不适合，因此您稍后不能将其用于预测。p>在拟合前检查这些数组并相应地处理NaN值。

Answer 2

它可能是具有问题的新库软件包。我在LGBM软件包中也遇到了相同的问题，并以各自的较低版本软件包进行了尝试。

。

您可以尝试使用以下命令进行正确的版本软件包安装

pip install libraryName==x.x.x

或

pip3 install libraryName==x.x.x