逻辑回归预测模型，Python

Question

问题遇到的现象和发生背景 逻辑回归预测模型，想要给定数据让模型进行预测

遇到的现象和发生背景，请写出第一个错误信息我想要用预测数据去给模型来预测，但是目前的代码只能实现将模型数据划分为训练集和预测集，我想把模型数据全部设置为训练集，然后用训练好的模型去预测我的预测数据

用代码块功能插入代码，请勿粘贴截图。 不用代码块回答率下降 50%

import pandas
import pandas as pd

test = pd.read_excel('预测数据.xlsx')
train=pd.read_excel('模型数据.xlsx')
# 2.划分特征变量与目标变量
X = train.drop(columns='是否稳定')
y = train['是否稳定']
# 3.划分数据集与测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.3)
# 4.模型搭建
from sklearn.linear_model import LogisticRegression, LogisticRegressionCV

model = LogisticRegressionCV(multi_class='multinomial',max_iter=3000).fit(X_train, y_train)

model.fit(X_train, y_train)

# 5.预测分类结果
y_pred = model.predict(X_test)
y_pred_proba = model.predict_proba(X_test)
# 7.模型准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_pred, y_test)
print(accuracy)
print(y_pred)

运行结果及详细报错内容

我的解答思路和尝试过的方法，不写自己思路的，回答率下降 60%

我想要达到的结果，如果你需要快速回答，请尝试 “付费悬赏”

Answer 1

train、test全部做训练集data训练出模型？那没有test怎么训练出模型？每次data前向传播到输出层，那没有测试集怎么计算loss与cost，然后怎么反向传播去梯度下降调整网络参数？既然网络参数都无法调整了怎么出来最后的模型？不理解。