一旦我將它與 svm.SVC 一起使用，有人可以指導(dǎo)我如何在 sklearn 中測(cè)試幾種不同的機(jī)器學(xué)習(xí)方法嗎？我有：r = 6 個(gè)特征的 numpy 數(shù)組，即形狀 ~10000 x 6答案 = 我想學(xué)習(xí)預(yù)測(cè)的二進(jìn)制 numpy 數(shù)組（1 或 0），形狀 ~1000 x 1我做交叉驗(yàn)證：[datatrain, datatest, answertrain, answertest] = cross_validation.train_test_split(r,answer)這很好用：clf = svm.SVC(kernel='rbf').fit(datatrain,answertrain) prediction = clf.predict(datatest)我想嘗試 linear_model.ElasticNet 和 ensemble.RandomForestClassifier。（我也愿意接受 sklearn 中可用方法的建議，因?yàn)槲覍?duì)機(jī)器學(xué)習(xí)比較陌生。）我試過了：clf = linear_model.ElasticNet.fit(X=datatrain,y=answertrain)和clf = ensemble.RandomForestClassifier.fit(X=datatrain,y=answertrain) 在這兩種情況下，我都會(huì)收到錯(cuò)誤消息：TypeError: fit() missing 1 required positional argument: 'self'我究竟做錯(cuò)了什么？