Bỏ qua đến nội dung chính
Mục lục

NotFittedError: This estimator is not fitted yet

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 5/18 · Chương 13

Giải nghĩa lỗi và cảnh báo

  • 6 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

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

predict() trước fit()

lớp của model, như LinearRegression

gọi fit() trước

transform() dữ liệu test bằng một bộ chuẩn hóa mới

StandardScaler

dùng lại đúng đối tượng đã fit trên train

fit trong một hàm mà không return model

lớp của model

trả model từ hàm, dùng đối tượng đó

ghép một bước đã fit riêng với model mới vào pipeline

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:

python
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
True

Đổi 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:

python
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 yet

Pipeline 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:

python
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 fit

Hàm 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

  1. Thông báo là This StandardScaler instance is not fitted yet. Đối tượng nào chưa fit?

    • Model đứng cuối pipeline
    • Bộ chuẩn hóa StandardScaler được gọi transform()
    • Không biết được, thông báo chỉ nói chung chung
  2. Sau from sklearn.exceptions import NotFittedError, issubclass(NotFittedError, AttributeError) cho kết quả gì?

    • True
    • False
    • Báo lỗi TypeError
  3. Những câu nào đúng về check_is_fitted()?

    • Nó ném NotFittedError khi đối tượng chưa fit
    • Nó kiểm được từng bước lấy từ named_steps của pipeline
    • Nó trả False khi đối tượng chưa fit
    • Nó tự gọi fit() khi thấy đối tượng chưa fit
Đúng hết lần đầu +15 XP

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.

python
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 này

Tóm 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 return model; 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, ném NotFittedError khi chưa; bọc trong try/except để 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

notfittederror

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

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.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập