sklearn -如何使用管道重新加载模型并进行预测？

Question

我已经保存了一个经过训练的模型和测试数据集，并希望重新加载它，只是为了验证我是否获得了相同的结果，以便将来使用该模型(目前我没有新的数据可供测试)。我保存的csv不包含标签，它是与原始训练/测试操作中相同的测试数据，运行良好。

我创建了这样的模型：

# copy split data for this model
dtc_test_X = test_X
dtc_test_y = test_y
dtc_train_X = train_X
dtc_train_y = train_y

# initialize the model
dtc = DecisionTreeClassifier(random_state = 1)
# fit the trianing data
dtc_yhat = dtc.fit(dtc_train_X, dtc_train_y).predict(dtc_test_X)
# scikit-learn's accuracy scoring
acc = accuracy_score(dtc_test_y, dtc_yhat)
# scikit-learn's Jaccard Index
jacc = jaccard_similarity_score(dtc_test_y, dtc_yhat)
# scikit-learn's classification report
class_report = classification_report(dtc_test_y, dtc_yhat)

我已经将模型和数据保存在下面：

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.externals import joblib

# setup the pipe line
pipe = make_pipeline(DecisionTreeClassifier)
# save the model
joblib.dump(pipe, 'model.pkl')
dtc_test_X.to_csv('set_to_predict.csv')

当我重新加载模型并尝试进行如下预测时：

#Loading the saved model with joblib
pipe = joblib.load('model.pkl')

# New data to predict
pr = pd.read_csv('set_to_predict.csv')
pred_cols = list(pr.columns.values)
pred_cols
# apply the whole pipeline to data
pred = pd.Series(pipe.predict(pr[pred_cols]))

但在最后一行(预测)，它引发了一个异常：

TypeError: predict() missing 1 required positional argument: 'X'

在搜索答案时，我只能找到类似异常的示例，但使用Y而不是X，答案似乎不适用。为什么我会得到这个错误？

Answer 1

尝试用pipe.predict(X=pr[pred_cols])替换pipe.predict(pr[pred_cols])，看看它是否正常工作，或者是否会抛出其他错误