Python 属性错误：'；线性回归'；对象没有属性'；预测概率'；

我需要学校评分员生成的属性错误的帮助

我的任务： 我需要创建一个自定义的变压器输入到一个分级器

评分员将字典列表传递给我的估计器的predict或predict_proba方法，而不是数据帧。这意味着模型必须同时处理这两种数据类型。因此，我需要提供一个定制的ColumnSelectTransformer来代替scikit learn自己的ColumnSelectTransformer

这是我为自定义转换器编写的代码，该转换器旨在输入所提供列中的空值

来自sklearn.impute导入SimpleImputer
简单颜色=['BEDCERT'、'RESTOT'、'INHOSP'、'CCRC_FACIL'、'SFF'、'CHOW_LAST_12MOS'、'Spreader_STATUS'、'EXP_TOTAL'、'ADJ_TOTAL']
类别列SelectTransformer（BaseEstimator，TransformerMixin）：
定义初始化（自，列）：
self.columns=列
def配合（自身、X、y=无）：
回归自我
def变换（自，X）：
如果不存在（X，pd.数据帧）：
X=pd.DataFrame（X）
返回X[self.columns].值
简单功能=管道([
（'cst'，列选择变压器（简单列）），
（'inputer'，simplemputer（strategy='mean'）），
])

然后，我的任务是创建一个新的管道，并用估计器对其进行拟合，下面是我的尝试

从sklearn.linear\u模型导入线性回归
简单功能\u模型=管道([
（“简单”，简单的功能），
（'linear'，LinearRegression（）），
])
简单特征模型拟合（数据、精细计数>0）

管道已成功生成

管道（内存=无，
步骤=[（‘简单’，
管道（内存=无，
步骤=[（'cst'，
ColumnSelectTransformer（columns=['BEDCERT'，
“RESTOT”，
“INHOSP”，
“CCRC_FACIL”，
“SFF”，
“最后12个星期”，
“自动喷水灭火器状态”，
“经验总计”，
“调整总数”]），
（“输入者”，
SimpleImputer（添加指示符=False，复制=True，
填充值=无，
缺少_值=nan，
strategy='mean'，verbose=0]，
verbose=False），
（‘线性’，
线性回归（复制X=True，拟合截距=True，n\u作业=None，
normalize=False））]，
详细=错误）

然而，当我把我的简单功能模型传给学校的评分员时

def正概率（模型）：
def预测概率（X）：
回报模型.预测概率（X）[：，1]
返回概率
grader.score.ml\u简单特征（正概率（简单特征模型））

我得到以下错误

AttributeError回溯（最近一次调用）
在（）
4返回预测概率
5.
---->6年级学生。分数。ml \简单\特征（正概率（简单\特征\模型））
/函数中的opt/conda/lib/python3.7/site-packages/static_grader/grader.py（*args，**kw）
92定义获取属性（自我，方法）：
93 def func（*参数，**kw）：
--->94返回自我（方法，*args，**kw）
95返回函数
96
/opt/conda/lib/python3.7/site-packages/static\u grader/grader.py in\uuuuu call\uuuuu（self，question\u name，func）
88返回
89测试用例=json.loads（分别为文本）
--->90个测试案例评分（问题名称、功能、测试案例）
91
92定义获取属性（自我，方法）：
/测试案例评分中的opt/conda/lib/python3.7/site-packages/static\u grader/grader.py（问题名称、函数、测试案例）
40对于测试用例中的测试用例：
41如果检查isroutine（func）：
--->42 sub_res=func（*test_case['args']，**test_case['kwargs']）
43 elif非测试用例['args']和非测试用例['kwargs']：
44 sub_res=func
在预测概率中（X）
1 def正概率（模型）：
2 def_proba（X）：
---->3收益模型。预测概率（X）[：，1]
4返回预测概率
5.
/opt/conda/lib/python3.7/site-packages/sklearn/utils/metaestimators.py in_u________（self，obj，type）
108继续
109其他：
-->110 getattr（委托、自身属性\u名称）
111休息
112其他：
AttributeError:“LinearRegression”对象没有属性“predict\u proba”

线性回归模块确实没有

预测概率属性（检查），原因很简单：概率估计仅适用于分类模型，而不适用于回归（即数值预测）模型，如线性回归

由于您的帖子不清楚您是否正在尝试进行回归或分类：


如果您处于回归设置中，只需将
predict\u proba
替换为
predict
如果您处于分类设置中，则不能使用线性回归-请改用逻辑回归（尽管名称不同，它是一种分类算法），它确实具有
predict\u proba
属性（请再次参阅）
线性回归模块确实没有
predict\u proba
属性（检查），原因很简单：pro