Python SciKit学习：TypeError:fit（）缺少1个必需的位置参数：'；y'；使用（）正确初始化构造函数时

我尝试使用SciKit Learn的线性回归分析数据集。我的数据集是一个包含数据和一行标签的csv文件。我的代码如下：

import numpy as np
import pandas as pd

from sklearn import linear_model

data = pd.read_csv('temp.csv')

reg = linear_model.LinearRegression()
reg.fit(data)

当我运行这段代码时，我得到一个错误：

TypeError:fit（）缺少1个必需的位置参数：“y”

有此错误的其他程序员似乎通常没有正确初始化模型（通过省略默认构造函数的括号），但是我有括号，我直接从sklearn示例中提取了初始化语句。因此，我不确定到底出了什么问题

---

虽然我在过去做了大量的机器学习模型工作，但我只使用了TensorFlow。我现在和一个使用SciKit learn的小组一起工作，但我对它的低经验意味着这可能是一个我忽略的非常简单的错误

线性回归

是一种监督学习方法。因此，在尝试适合您的模型时，您必须提供

y

标签。因此，在

temp.csv

文件中，应该有一列表示数据集的

y

值。

类似这样的内容（如果y标签有一列）：

---

拟合的定义是

fit(X, y, sample_weight=None)

您已经提供了X作为“数据”，但还需要提供y参数值。这里y是标签，即“数据”中每个数据行的类。

---

通过调用fit，您正在训练您的模型，这意味着您正在告诉每个数据行y应该是类。因此，您还需要提供y，否则您将得到上面的错误

有两个必需的参数，

X

和

y

。尝试类似的方法：

reg.fit（X=data[list\u of\u feature\u columns]，y=data[target\u variable\u column]）

请提供

.csv文件的示例
fit(X, y, sample_weight=None)