Scikit learn 通过SVR执行RFECV时出错分类器未公开;“coef”;或;特征“重要性”;属性 将熊猫作为pd导入 将numpy作为np导入 将matplotlib.pyplot作为plt导入 从sklearn.linear\u模型导入线性回归 从sklearn.feature_选择导入RFECV 从sklearn.svm导入SVR 住房=pd.read\U csv('boston.csv')) x=housing.iloc[:,0:13]。值 y=housing.iloc[:,13:14]。值 y=np.ravel(y) 从sklearn.model\u选择导入列车\u测试\u拆分 x_序列,x_测试,y_序列,y_测试=序列测试分割(x,y,测试大小=0.33,随机状态=0) y_列车=np.ravel(y_列车) 回归器=SVR(内核=poly',度=2) 回归器拟合(x_列,y_列) rfecv=rfecv(估计器=回归器,cv=5,评分=‘准确度’)

Scikit learn 通过SVR执行RFECV时出错分类器未公开;“coef”;或;特征“重要性”;属性 将熊猫作为pd导入 将numpy作为np导入 将matplotlib.pyplot作为plt导入 从sklearn.linear\u模型导入线性回归 从sklearn.feature_选择导入RFECV 从sklearn.svm导入SVR 住房=pd.read\U csv('boston.csv')) x=housing.iloc[:,0:13]。值 y=housing.iloc[:,13:14]。值 y=np.ravel(y) 从sklearn.model\u选择导入列车\u测试\u拆分 x_序列,x_测试,y_序列,y_测试=序列测试分割(x,y,测试大小=0.33,随机状态=0) y_列车=np.ravel(y_列车) 回归器=SVR(内核=poly',度=2) 回归器拟合(x_列,y_列) rfecv=rfecv(估计器=回归器,cv=5,评分=‘准确度’),scikit-learn,Scikit Learn,执行上述行(即rfecv)后,我得到以下错误: RuntimeError:分类器未公开“coef_uu”或“feature_uimportances_uu”属性 我做错了什么?您需要在以后安装它,将其更改为: regressor = SVR(kernel = 'poly', degree=2) rfecv = RFECV(estimator = regressor, cv=5, scoring='accuracy') rfecv = rfec.fit(x_train, y_train) 我

执行上述行(即rfecv)后,我得到以下错误:

RuntimeError:分类器未公开“coef_uu”或“feature_uimportances_uu”属性


我做错了什么?

您需要在以后安装它,将其更改为:

regressor = SVR(kernel = 'poly', degree=2)


rfecv = RFECV(estimator = regressor, cv=5, scoring='accuracy')
rfecv = rfec.fit(x_train, y_train)

我试过了,但还是犯了同样的错误。下面是我运行的最后几行代码,在运行最后一行“rfecv.fit”之后,regressor=SVR(kernel='poly',degree=2)rfecv=rfecv(estimator=regressor,cv=5,score='accurity')rfecv.fit(x_train,y_train)(x_-train,y_-train)“我得到了相同的错误:”RuntimeError:分类器不公开“coef_uu”或“feature_u-importances_uu”属性”