TypeError: fit() fehlt 1 erforderliche positionelle argument: 'y'

Ich versuche zur Prognose von wirtschaftlichen Zyklen mit Gauß-Naive Bayes "Classifier".

Daten (Eingang X) :

             SPY    Interest Rate    Unemployment   Employment  CPI
Date                    
1997-01-02   56.05     7.82            9.7           3399.9     159.100
1997-02-03   56.58     7.65            9.8           3402.8     159.600
1997-03-03   54.09     7.90            9.9           3414.7     160.000

Ziel (output Y) :

    Economy
0   Expansion
1   Expansion
2   Expansion
3   Expansion

Unten ist mein code:

from sklearn.naive_bayes import GaussianNB
from sklearn import metrics
from sklearn.cross_validation import train_test_split
X = data
Y = target
model = GaussianNB
X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
model.fit(X_train, Y_train)

Unten ist Fehler:

TypeError                                 Traceback (most recent call last)
<ipython-input-132-b0975752a19f> in <module>()
  6 model = GaussianNB
  7 X_train, X_test, Y_train, Y_test = train_test_split(X,Y)
  ----> 8 model.fit(X_train, Y_train)

  TypeError: fit() missing 1 required positional argument: 'y'

Was mache ich falsch? Wie kann ich dieses Problem beheben /Fehler ?

model = GaussianNB()
Vielen Dank.. allerdings bekam ich eine andere Fehlermeldung jetzt. Irgendeine Idee wie es zu lösen? /Users/d/anaconda/lib/python3.4/site-packages/sklearn/utils/validation.py:515: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). y = column_or_1d(y, warn=True)
Ich änderte die Linie 5 zu Y = target.values.ravel() - und es funktionierte.

InformationsquelleAutor user3062459 | 2016-03-14

37

Du hast vergessen die paranthesis "()":
```
model = GaussianNB()
```
InformationsquelleAutor Abhimanyu
4

Immer, wenn Sie versuchen zu initialisieren/definieren Sie ein Objekt von einer Klasse, die Sie anrufen müssen, seine eigenen Konstruktor zu erstellen, die ein Objekt für Sie. Der Konstruktor kann Parameter haben, oder keine. In Ihrem Fall GaussianNB ist eine Klasse von sklearn die eine nicht-parametrische Konstruktor standardmäßig.
```
obj_model =  GaussianNB()
```
So einfach erzeugen wir ein Objekt mit leeren Klammern-das bedeutet einfach default-Konstruktor.

InformationsquelleAutor Sundar Gsv

-2

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.35, `
`random_state=100)
from sklearn.linear_model import LinearRegression 
lm = LinearRegression
lm.fit(X_test,y_test)