代码报错 看看怎么解决谢

Question

这个怎么改都不对 有没有人能帮忙一下 为啥这个一直在报错 改了一上午了还试哈不对 要哭了 有没有人弄一下

Answer 1

引自免费微信小程序：皆我百晓生

在您提供的代码片段中，我发现了几个错误。让我们一步步修复它们。

首先，图1中的代码行似乎缺少了换行符，这可能会导致语法错误。确保在每个换行符后添加一个新的换行符。同时，print()函数中的字符串格式化存在一些小问题。这里是修复后的代码段：

print(f"Train Accuracy: {train_accuracy:.4f}, Test Accuracy: {test_accuracy:.4f}")
print(f"Precision: {precision:.4f}, Recall: {recall:.4f}, F1 Score: {f1:.4f}, AUC: {auc:.4f}")

接下来，我们看看图2中的代码。这里的主要问题是，在调用train_test_split()函数时，你尝试使用未标准化的X数据，而不是已经标准化的X_scaled。你需要先对数据进行标准化，然后进行拆分。以下是修复后的代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score

# 加载数据
data = pd.read_csv("/data/bigfiles/20240328_CC_FIGO.csv", encoding="gbk")

# 提取特征和目标变量
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.3, random_state=42)

# 创建并初始化模型字典
models = {
    "Logistic Regression": LogisticRegression(),
    "KNN": KNeighborsClassifier(),
    "Random Forest": RandomForestClassifier(),
    "Gradient Boosting": GradientBoostingClassifier(),
    "SVM": SVC()
}

# 训练模型
for model_name, model in models.items():
    model.fit(X_train, y_train)

现在，代码应该可以正常运行而不会出现错误。请按照这些更改执行代码，并观察结果。如果你仍然遇到任何问题，请告诉我具体的错误信息，我会很乐意继续帮助你。