TypeError: LinearModel.predict() takes 2 positional arguments but 3 were given
Ai dat lui `predict` două argumente, de obicei `model.predict(X_test, y_test)`. `predict` primește doar datele de intrare și întoarce predicțiile; etichetele reale le folosești separat, la metrică. Scrie `pred = model.predict(X_test)` și apoi `accuracy_score(y_test, pred)` sau `model.score(X_test, y_test)`.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
„2 positional arguments” înseamnă self (modelul) și X. Când scrii model.predict(X_test, y_test), Python numără trei: modelul, X_test și y_test, deci e unul în plus. Numele din mesaj este clasa în care e definită metoda: LinearModel.predict() pentru LinearRegression, LinearClassifierMixin.predict() pentru LogisticRegression, KNeighborsClassifier.predict() pentru k-NN.
Greșeala vine din confuzia cu fit(X, y) și score(X, y), care chiar primesc etichetele. Modelul nu are nevoie de răspunsuri ca să prezică: tocmai asta e ideea, să le ghicească. Compararea cu răspunsurile reale e pasul de evaluare.
De ce apare: cauzele frecvente
1Etichetele date lui predict
pred = model.predict(X_test, y_test)pred = model.predict(X_test)predict are nevoie doar de trăsături. Etichetele reale le compari după, cu o metrică.
2Evaluare scrisă ca predicție
acuratete = model.predict(X_test, y_test)acuratete = model.score(X_test, y_test)score primește și X, și y și întoarce metrica implicită a modelului (acuratețe la clasificare, R² la regresie).
3Două seturi de date în același apel
model.predict(X_test, X_nou)model.predict(X_test)
model.predict(X_nou)Fiecare apel prezice pe un singur set; pentru două seturi faci două apeluri sau le concatenezi înainte.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: LinearModel.predict() takes 2 positional arguments but 3 were given, pentru că predict primește și etichetele reale. Prezice doar pe X_test, apoi calculează scorul R² cu r2_score(y_test, pred), ca programul să afișeze predicțiile și scorul.
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
# ore de studiu -> nota
X_train = [[1], [2], [3], [4], [5]]
y_train = [4, 5, 6, 7, 8]
X_test = [[6], [7]]
y_test = [9, 10]
model = LinearRegression().fit(X_train, y_train)
pred = model.predict(X_test, y_test)
print("Predictii:", pred.round(1).tolist())
print("R2:", round(r2_score(y_test, pred), 2))Predictii: [9.0, 10.0] R2: 1.0
Indiciu
Scrie pred = model.predict(X_test).
Reparația
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
# ore de studiu -> nota
X_train = [[1], [2], [3], [4], [5]]
y_train = [4, 5, 6, 7, 8]
X_test = [[6], [7]]
y_test = [9, 10]
model = LinearRegression().fit(X_train, y_train)
pred = model.predict(X_test)
print("Predictii:", pred.round(1).tolist())
print("R2:", round(r2_score(y_test, pred), 2))De ce merge
predict primește doar trăsăturile și întoarce câte o predicție pe rând. Etichetele reale intră abia în r2_score, care compară predicțiile cu ele. Datele sunt perfect liniare (nota = ore + 3), deci modelul prezice exact 9 și 10, iar R² este 1.
Alte forme ale mesajului
TypeError: LinearClassifierMixin.predict() takes 2 positional arguments but 3 were givenTypeError: predict() takes 2 positional arguments but 3 were givenTypeError: KNeighborsClassifier.predict() takes 2 positional arguments but 3 were given
Cum o eviți pe viitor
Ține minte cele trei semnături de bază: fit(X, y) învață, predict(X) prezice, score(X, y) evaluează. Separă în cod pasul de predicție de cel de evaluare: întâi pred = model.predict(X_test), apoi metricile pe (y_test, pred). Așa ai predicțiile disponibile și pentru alte calcule (matricea de confuzie, analiza erorilor).
Întrebări frecvente
De ce mesajul spune LinearModel și nu LinearRegression?
Pentru că predict e moștenit de la clasa de bază LinearModel, iar Python afișează clasa în care e scrisă metoda. Problema e aceeași.
Cum aflu ce argumente primește o metodă?
Cu help(model.predict) sau în documentația clasei. La majoritatea modelelor, predict primește doar X.
Erori înrudite
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). TypeError: LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given Ai pus LabelEncoder într-un Pipeline sau ColumnTransformer. Acolo fiecare pas primește fit_transform(X, y), dar LabelEncoder acceptă un singur argument, pentru că e făcut doar pentru ținta y. Pentru coloanele din X folosește OneHotEncoder sau OrdinalEncoder. AttributeError: 'LinearRegression' object has no attribute 'predict_proba' predict_proba există doar la clasificatori care estimează probabilități (LogisticRegression, arbori, k-NN, Naive Bayes). LinearRegression prezice numere, nu clase. Pentru probabilități folosește LogisticRegression; la SVC pornește probability=True. 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.
