TypeError: LinearRegression.fit() missing 1 required positional argument: 'y'
Ai apelat fit doar cu X, fără țintă. Modelele supervizate (regresie, clasificare) au nevoie de ambele: model.fit(X, y). Doar modelele nesupervizate (KMeans, PCA, StandardScaler) se antrenează cu fit(X).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Mesajul vine direct din Python: metoda fit a modelului are doi parametri obligatorii, X și y, iar tu i-ai dat doar unul. Pentru un model supervizat, y este răspunsul corect pe care modelul trebuie să învețe să-l prezică (prețul, clasa), deci fără el nu are ce învăța.
Apare de obicei în trei situații: ai copiat un exemplu cu KMeans().fit(X) sau scaler.fit(X) și l-ai adaptat pentru un model supervizat; ai pus X și y într-un singur tabel și l-ai dat întreg la fit; sau ai scris fit(X=X) și ai uitat al doilea argument. O variantă înrudită este missing 2 required positional arguments: 'X' and 'y', când ai apelat fit() gol sau pe clasă în loc de obiect (LinearRegression.fit(X, y)).
De ce apare: cauzele frecvente
1Ținta uitată la fit
model = LinearRegression()
model.fit(df[["suprafata"]])model = LinearRegression()
model.fit(df[["suprafata"]], df["pret"])Regresia învață legătura dintre suprafață și preț, deci are nevoie și de prețuri.
2fit apelat pe clasă, fără paranteze
model = LinearRegression
model.fit(X, y)model = LinearRegression()
model.fit(X, y)Fără paranteze, model este clasa, nu un obiect. Apelul pe clasă ia X drept self și y drept X, deci lipsește un argument.
3Tabelul întreg dat la fit
model.fit(df) # df are și coloana pretX = df.drop(columns=["pret"])
y = df["pret"]
model.fit(X, y)Separi explicit caracteristicile de țintă și le dai ca două argumente.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: LinearRegression.fit() missing 1 required positional argument: 'y', pentru că modelul primește doar suprafețele. Repară-l: dă la fit și ținta y, ca programul să afișeze panta și prețul estimat pentru 65 m².
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 50, 60, 80, 100],
"pret": [80, 100, 120, 160, 200],
})
X = df[["suprafata"]]
y = df["pret"]
model = LinearRegression()
model.fit(X)
print("Panta:", round(model.coef_[0], 2))
print("Pret pentru 65 m2:", round(model.predict(pd.DataFrame({"suprafata": [65]}))[0], 1))Panta: 2.0 Pret pentru 65 m2: 130.0
Indiciu
Apelul corect este model.fit(X, y).
Reparația
import pandas as pd
from sklearn.linear_model import LinearRegression
df = pd.DataFrame({
"suprafata": [40, 50, 60, 80, 100],
"pret": [80, 100, 120, 160, 200],
})
X = df[["suprafata"]]
y = df["pret"]
model = LinearRegression()
model.fit(X, y)
print("Panta:", round(model.coef_[0], 2))
print("Pret pentru 65 m2:", round(model.predict(pd.DataFrame({"suprafata": [65]}))[0], 1))De ce merge
Regresia liniară caută dreapta care trece cel mai aproape de punctele (suprafață, preț). Fără prețuri, are doar abscisele punctelor și nu poate calcula nimic, iar Python observă asta înainte de orice calcul: fit are un parametru obligatoriu y care n-a primit valoare. Cu model.fit(X, y), modelul găsește panta 2 (2 mii de lei pe metru pătrat, pentru datele astea) și estimează 130 pentru 65 m².
Alte forme ale mesajului
TypeError: LogisticRegression.fit() missing 1 required positional argument: 'y'TypeError: LinearRegression.fit() missing 2 required positional arguments: 'X' and 'y'TypeError: fit() missing 1 required positional argument: 'y'
Cum o eviți pe viitor
Pentru fiecare model, întreabă-te întâi: e supervizat (are o țintă) sau nu? Regresiile și clasificatorii primesc mereu fit(X, y); scaler-ele, encoderele, KMeans și PCA primesc doar fit(X). Separă X și y la începutul codului, cu nume clare, și pune parantezele la crearea modelului: LinearRegression().
Întrebări frecvente
De ce KMeans merge cu fit(X), iar LinearRegression nu?
KMeans este nesupervizat: grupează punctele după asemănare, fără răspunsuri corecte. LinearRegression este supervizat: învață să prezică y, deci trebuie să vadă y la antrenare.
StandardScaler acceptă și y?
Acceptă un y opțional, doar pentru compatibilitate cu pipeline-urile, dar îl ignoră. Scalarea se face doar pe X.
Erori înrudite
NotFittedError: This LinearRegression instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator. Ai apelat predict, transform sau score pe un model (sau scaler) care încă n-a fost antrenat. Apelează întâi fit(X, y) pe același obiect, apoi predict. Verifică să nu fi creat un obiect nou între timp sau să fi antrenat altă variabilă. TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'max_iters' Ai dat modelului un parametru care nu există, aici max_iters (corect: max_iter). De obicei e o greșeală de scriere sau un parametru din altă bibliotecă ori dintr-o versiune veche. Verifică numele în documentație sau cu Model().get_params(). Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
