Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
1
respuesta

Error al usar model.predict

Al usar modelo.predict([nueva_muestra])[0]

recibo la siguiente notificacion:

NotFittedError Traceback (most recent call last) /tmp/ipython-input-78-4008119719.py in <cell line: 0>() 1 # Ejemplo de predicción con datos de entrada 'X' 2 nueva_muestra ----> 3 model.predict([nueva_muestra])[0]

1 frames /usr/local/lib/python3.11/dist-packages/sklearn/utils/validation.py in check_is_fitted(estimator, attributes, msg, all_or_any) 1755 1756 if not _is_fitted(estimator, attributes, all_or_any): -> 1757 raise NotFittedError(msg % {"name": type(estimator).name}) 1758 1759

NotFittedError: This GridSearchCV instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

1 respuesta

Hola Edgar, espero que estés bien

Parece que estás intentando usar un modelo de GridSearchCV para hacer predicciones, pero te encuentras con un error NotFittedError. Este error indica que el modelo no ha sido entrenado (o "ajustado") antes de intentar hacer predicciones. Aquí tienes algunos pasos que podrían ayudarte a resolver este problema:

  1. Asegúrate de que el modelo está entrenado: Antes de predecir, debes asegurarte de que el modelo ha sido ajustado con datos de entrenamiento. Esto generalmente se hace con el método fit(). Por ejemplo:

    model.fit(X_train, y_train)
    

    Si estás cargando un modelo guardado, asegúrate de que el proceso de guardado y carga se ha realizado correctamente.

  2. Carga del modelo guardado: Si ya has entrenado y guardado el modelo, asegúrate de cargarlo correctamente antes de usarlo para predecir. Puedes usar joblib o pickle para esto. Aquí tienes un ejemplo de cómo podrías hacerlo con joblib:

    from joblib import load
    
    # Carga el modelo guardado
    model = load('ruta/al/modelo_guardado.joblib')
    
  3. Verifica el proceso de guardado: Si el modelo fue guardado antes de ser ajustado, deberás volver a entrenarlo y guardarlo nuevamente.

  4. Ejecuta la predicción: Una vez que te asegures de que el modelo está correctamente ajustado y cargado, puedes proceder a realizar la predicción:

    prediccion = model.predict([nueva_muestra])[0]
    print(prediccion)
    

Espero que estos pasos te sean útiles para resolver el problema. ¡Espero haber ayudado y buenos estudios!