NotFittedError: This estimator is not fitted yet
Bài 5/18 · Chương 13
Giải nghĩa lỗi và cảnh báo
- 6 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 11
NotFittedError, với câu This estimator is not fitted yet, là lỗi scikit-learn báo khi bạn gọi predict(), transform() hay score() trên một model hoặc bộ tiền xử lý chưa học gì từ dữ liệu. Tên lớp đứng sau chữ "This" trong thông báo cho biết đúng đối tượng nào chưa fit; lỗi hay gặp khi bạn fit một bản sao, fit trong một hàm rồi quên trả model ra, hoặc ghép các bước đã fit riêng vào một pipeline mới.
Cần biết trước: Pipeline trong sklearn.
Bảng tra nhanh: tình huống và cách sửa
Thông báo luôn có dạng This <Lớp> instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.:
Tình huống | Lớp trong thông báo | Cách sửa |
|---|---|---|
| lớp của model, như | gọi |
|
| dùng lại đúng đối tượng đã fit trên train |
fit trong một hàm mà không | lớp của model | trả model từ hàm, dùng đối tượng đó |
ghép một bước đã fit riêng với model mới vào pipeline |
| fit cả pipeline một lần |
Hai tình huống đầu có ví dụ ở bài fit, predict, score và bài StandardScaler. Lớp NotFittedError là lớp con của cả ValueError và AttributeError, nên một khối except ValueError cũ cũng bắt được nó:
import pandas as pd
from sklearn.exceptions import NotFittedError
from sklearn.linear_model import LogisticRegression
kh = pd.read_csv("hoi_vien.csv")
try:
LogisticRegression().predict(kh[["tuoi"]])
except NotFittedError as loi:
print(str(loi).split(".")[0])
print(issubclass(NotFittedError, ValueError))KẾT QUẢ
This LogisticRegression instance is not fitted yet
TrueĐổi LogisticRegression().predict thành LogisticRegression().predict_proba rồi chạy lại: dòng đầu vẫn in This LogisticRegression instance is not fitted yet.
Model được fit ở một chỗ khác
Gom bước huấn luyện vào một hàm cho gọn là thói quen tốt, nhưng model tạo bên trong hàm là một đối tượng khác với model ở ngoài:
Thông báo dài này là dòng cuối của traceback; phần sklearn.exceptions. cho biết lớp lỗi nằm trong module sklearn.exceptions, nơi bạn import nó để bắt.
Pipeline ghép từ các bước đã fit riêng
Bạn đã fit một StandardScaler trên dữ liệu, rồi định ghép nó với một model mới bằng make_pipeline() và gọi predict() ngay:
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
kh = pd.read_csv("hoi_vien.csv")
X = kh[["tuoi", "so_don_90_ngay"]]
scaler = StandardScaler().fit(X)
pipe = make_pipeline(scaler, LogisticRegression())
try:
pipe.predict(X)
except ValueError as loi:
print(str(loi).split(".")[0])KẾT QUẢ
This Pipeline instance is not fitted yetPipeline coi mình đã fit khi bước cuối đã fit; ở đây LogisticRegression chưa học gì. Cách sửa không phải fit tay từng bước còn thiếu, mà gọi pipe.fit(X, y) một lần trên dữ liệu train: pipeline fit lại bộ chuẩn hóa và model theo đúng thứ tự, nên không bước nào dùng thông tin của test.
check_is_fitted(): kiểm trước khi dùng
Hàm check_is_fitted() của sklearn.utils.validation không trả gì khi đối tượng đã fit, và ném đúng NotFittedError khi chưa. Bọc nó trong try/except để kiểm từng bước của một pipeline:
import pandas as pd
from sklearn.exceptions import NotFittedError
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.utils.validation import check_is_fitted
kh = pd.read_csv("hoi_vien.csv")
scaler = StandardScaler().fit(kh[["tuoi", "so_don_90_ngay"]])
pipe = make_pipeline(scaler, LogisticRegression())
for ten, buoc in pipe.named_steps.items():
try:
check_is_fitted(buoc)
print(ten, "đã fit")
except NotFittedError:
print(ten, "chưa fit")KẾT QUẢ
standardscaler đã fit
logisticregression chưa fitHàm cần một đối tượng, không nhận tên lớp: check_is_fitted(LinearRegression) thiếu cặp ngoặc báo TypeError. Một model nạp từ file bằng joblib.load() cũng kiểm được như vậy trước khi đưa vào dùng.
Kiểm tra nhanh
Thông báo là
This StandardScaler instance is not fitted yet. Đối tượng nào chưa fit?- Model đứng cuối pipeline
- Bộ chuẩn hóa
StandardScalerđược gọitransform() - Không biết được, thông báo chỉ nói chung chung
Sau
from sklearn.exceptions import NotFittedError,issubclass(NotFittedError, AttributeError)cho kết quả gì?TrueFalse- Báo lỗi
TypeError
Những câu nào đúng về
check_is_fitted()?- Nó ném
NotFittedErrorkhi đối tượng chưa fit - Nó kiểm được từng bước lấy từ
named_stepscủa pipeline - Nó trả
Falsekhi đối tượng chưa fit - Nó tự gọi
fit()khi thấy đối tượng chưa fit
- Nó ném
Bài tập
Liệt kê các bước chưa fit của pipeline
pipe là một pipeline tạo bằng make_pipeline(), một số bước có thể đã fit riêng từ trước. Viết thân hàm buoc_chua_fit(pipe) trả về tên (theo named_steps) của các bước chưa fit, theo thứ tự trong pipeline. Kiểm từng bước bằng check_is_fitted().
Ví dụ: một StandardScaler đã fit ghép với LogisticRegression() mới cho ["logisticregression"].
Trả về: tên các bước chưa fit, một list.
from sklearn.exceptions import NotFittedError
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.utils.validation import check_is_fitted
def buoc_chua_fit(pipe):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Tên lớp sau chữ "This" trong thông báo là đối tượng chưa fit: model, bộ chuẩn hóa hay cả
Pipeline.Fit trong hàm thì
returnmodel; model mới tạo bên trong hàm không phải model ở ngoài.Pipeline coi mình đã fit khi bước cuối đã fit; fit cả pipeline một lần thay cho ghép các bước fit riêng.
check_is_fitted()im lặng khi đã fit, némNotFittedErrorkhi chưa; bọc trongtry/exceptđể kiểm.
Câu hỏi thường gặp
Vì sao cross_val_score xong, model vẫn báo chưa fit?
cross_val_score() fit trên các bản sao của model ở từng fold rồi bỏ đi, nên đối tượng bạn truyền vào vẫn chưa học gì. Muốn dùng model sau khi đánh giá, gọi thêm model.fit(X_train, y_train). Bài cross-validation nói về các bản sao này.
Model nạp bằng joblib.load lại báo NotFittedError?
File đó được lưu khi model chưa fit, thường do gọi joblib.dump() trước fit() hay lưu nhầm biến. Kiểm bằng check_is_fitted() ngay sau khi nạp; cách lưu đúng có ở bài lưu model bằng joblib.
Có nên bắt NotFittedError rồi tự gọi fit không?
Không nên trong code dự đoán: tự fit lúc đó nghĩa là học trên dữ liệu đang cần đoán. Lỗi này báo một bước bị bỏ quên trong quy trình; sửa quy trình, như fit cả pipeline trên train trước khi dùng.
Chủ đề
Dữ liệu của bài
- Tải xuống
hoi_vien.csv
CSV · 207.25 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.