Python scikit学习岭回归UnboundLocalError

我只是一个初学者，我正在尝试在scikit learn中实现多项式回归。通常没有正则化的回归效果很好

regr = linear_model.LinearRegression(copy_X=True)
X = np.array(time_list[0:24]).reshape(24,1)
for i in range(2,10):
   X=np.append(X, X**i, 1)
Y = np.array(tempm_list[0:24]).reshape(24,1)

regr.fit(X, Y)

但是，当我尝试以完全相同的方式实现岭回归时，我得到以下错误：

regularized_regr=linear_model.Ridge(alpha =1, copy_X=True)
regularized_regr.fit(X,Y)


File "/usr/local/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 449,    in fit
return super(Ridge, self).fit(X, y, sample_weight=sample_weight)
File "/usr/local/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 338, in fit
solver=self.solver)
File "/usr/local/lib/python2.7/site-packages/sklearn/linear_model/ridge.py", line 294, in ridge_regression
coef = safe_sparse_dot(X.T, dual_coef, dense_output=True).T
UnboundLocalError: local variable 'dual_coef' referenced before assignment 

---

谢谢

第一个建议：减少多项式次数，例如，表明这是scikit中的一个错误。不确定修复程序是否在发布版本中。您可以尝试更新您的scikit安装。正如@BrenBarn所说，这可能是scikit learn最新版本中修复的一个bug。同时，您能试试更高的

alpha

？我将在下面为您计算一个建议。谢谢大家-我确实在早些时候尝试升级到最新的尖端github版本，但在安装过程中出现了一些错误：clang:error:unknown参数：'-mno fused madd'[-Wunused-command line argument hard error in future]，但无论如何，尽管我故意进行了可笑的过度拟合，但将多项式次数减少到5次可以修复错误。谢谢顺便说一句，最前沿的版本也有用于多项式回归的

sklearn.preprocessing.PolynomialFeatures

。

import numpy as np
_, S, _ = np.linalg.svd(X, full_matrices=False)
s = S[0]

alpha = 1.2 * s  # you may vary this fraction between 0.1 and larger

regularized_regr=linear_model.Ridge(alpha=alpha)
regularized_regr.fit(X,Y)