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().
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Parametrii unui model din scikit-learn sunt argumentele constructorului (__init__). Când scrii un nume pe care constructorul nu-l cunoaște, Python se oprește chiar la crearea obiectului, înainte de fit, cu got an unexpected keyword argument. Versiunile recente de Python adaugă uneori și o sugestie: Did you mean 'max_iter'?.
Cauze frecvente:
- greșeli de scriere:
max_iters,n_neighbor,max_dept,random_seedîn loc derandom_state; - parametri din alte biblioteci (de exemplu
n_estimatorse corect la păduri, darlearning_ratenu există laRandomForestClassifier, ci la gradient boosting); - parametri redenumiți sau eliminați în versiunile noi (de exemplu
sparselaOneHotEncoder, devenitsparse_output); - parametrul unui pas dintr-un pipeline dat pipeline-ului (
Pipeline(..., C=1)).
Lista completă a parametrilor valizi o vezi cu LogisticRegression().get_params().keys().
De ce apare: cauzele frecvente
1Greșeală de scriere în numele parametrului
model = LogisticRegression(max_iters=1000)model = LogisticRegression(max_iter=1000)Parametrul se numește max_iter, la singular.
2random_seed în loc de random_state
model = RandomForestClassifier(n_estimators=100, random_seed=42)model = RandomForestClassifier(n_estimators=100, random_state=42)În scikit-learn, sămânța pentru numere aleatoare se numește peste tot random_state.
3Parametru care aparține altui model
RandomForestClassifier(learning_rate=0.1)GradientBoostingClassifier(learning_rate=0.1)Pădurile aleatoare nu au rată de învățare; modelele de boosting au.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'max_iters', pentru că numele parametrului e scris greșit. Repară-l, ca programul să afișeze numărul maxim de iterații ales și acuratețea modelului.
from sklearn.linear_model import LogisticRegression
X = [[1], [2], [3], [4], [5], [6], [7], [8]]
y = [0, 0, 0, 1, 0, 1, 1, 1]
model = LogisticRegression(max_iters=500)
model.fit(X, y)
print("max_iter:", model.get_params()["max_iter"])
print("Acuratete:", model.score(X, y))max_iter: 500 Acuratete: 0.75
Indiciu
Parametrul corect este max_iter, fără s.
Reparația
from sklearn.linear_model import LogisticRegression
X = [[1], [2], [3], [4], [5], [6], [7], [8]]
y = [0, 0, 0, 1, 0, 1, 1, 1]
model = LogisticRegression(max_iter=500)
model.fit(X, y)
print("max_iter:", model.get_params()["max_iter"])
print("Acuratete:", model.score(X, y))De ce merge
Constructorul lui LogisticRegression are o listă fixă de parametri, iar max_iters nu se află în ea, deci Python se oprește la crearea obiectului, înainte de orice antrenare. Cu max_iter=500, modelul primește limita de iterații, iar get_params() confirmă valoarea. Datele au o suprapunere (exemplele 4 și 5), deci acuratețea pe antrenare nu este perfectă, lucru normal pentru un model liniar.
Alte forme ale mesajului
TypeError: KNeighborsClassifier.__init__() got an unexpected keyword argument 'n_neighbor'TypeError: RandomForestClassifier.__init__() got an unexpected keyword argument 'random_seed'TypeError: LogisticRegression.__init__() got an unexpected keyword argument 'max_iters'. Did you mean 'max_iter'?
Cum o eviți pe viitor
Folosește autocompletarea editorului când scrii parametrii, ca să alegi din lista reală. Când copiezi cod dintr-un tutorial, verifică versiunea de scikit-learn pentru care a fost scris (import sklearn; print(sklearn.__version__)). Pentru orice dubiu, help(LogisticRegression) sau get_params() îți arată toți parametrii. Citește și sugestia Did you mean ...? din mesaj, când apare: de cele mai multe ori este chiar numele corect.
Întrebări frecvente
De ce eroarea apare la crearea modelului, nu la fit?
Pentru că parametrii se dau constructorului. Python verifică argumentele în momentul apelului LogisticRegression(...), deci te oprește imediat.
Cum văd toți parametrii unui model?
LogisticRegression().get_params() întoarce un dicționar cu toți parametrii și valorile lor implicite. În Jupyter, simpla afișare a modelului sau help(...) îți arată și explicațiile.
Erori înrudite
TypeError: OneHotEncoder.__init__() got an unexpected keyword argument 'sparse' Parametrul sparse al lui OneHotEncoder a fost redenumit sparse_output în scikit-learn 1.2 și eliminat în 1.4. Codul vine dintr-un tutorial mai vechi. Scrie OneHotEncoder(sparse_output=False). InvalidParameterError: The 'max_depth' parameter of DecisionTreeClassifier must be an int in the range [1, inf) or None. Got 0 instead. Parametrul are o valoare nepermisă: max_depth trebuie să fie un întreg de la 1 în sus sau None (fără limită), iar tu ai dat 0. Mesajul îți spune exact ce valori sunt acceptate; alege una din interval. ValueError: Invalid parameter 'C' for estimator Pipeline(steps=[('scaler', StandardScaler()), ('model', LogisticRegression())]). Valid parameters are: ['memory', 'steps', 'transform_input', 'verbose']. Ai dat lui GridSearchCV (sau lui set_params) un parametru al modelului direct pipeline-ului. Într-un pipeline, parametrii pașilor se scriu cu numele pasului și două underscore-uri: 'model__C' în loc de 'C'. 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.
