NotFickerror: Schätzer nicht angepasst, rufen Sie "Fit" auf, bevor Sie das Modell ausnutzen ⇐ Python

[Anonymous]

Ich leite Python 3.5.2 auf einem MacBook OSX 10.2.1 (sierra). Neuere Anruf
last) in ()
6
7 # Machen Sie Ihre Vorhersage mit dem Testsatz und drucken Sie sie aus. /library/frameworks/python.framework/version/3.5/lib/python3.5/site-packages/sklearn/tree/tree.py
In Predict (self, x, check_input)
429 "" "
430
431 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
In _validate_x_prredict (self, x, check_input)
386 "" "" "validieren x, wenn man versucht, vorherzusagen, predict_proba" ""
387 Wenn self -tree_ keine:
388 Anheben des Nicht -Fitness -Fitness -Fitness -Fitness -Fitness -Absagens ("Schätzung, das nicht ausgeschöpft ist", "Schätzer", "Schätzer, nicht fit." Modell. ")
390 < /p>

NotFitterer: Schätzer nicht angepasst, rufen Sie an.# 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"])
< /code>

Und hier ist ein Link zum Rest des Code. Wo gehe ich falsch? Vielen Dank für Ihre Zeit.# 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))
< /code>

Mit der Zeile:
my_tree_one = my_tree_one.fit (features_one, Ziel) < /strong> < /p>

Erzeugen des Fehlers: < /p>

-Valwert: Input enthält Na />