AttributeError: 'SymbolicRegressor' object has no attribute '_validate_data' #307
Description
Describe the bug
Error when try to it a model.
Expected behavior
The expected behavior is for the model to fit on the data.
Actual behavior
The actual behavior is the following error:
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Cell In[14], line 17
1 # 5) Regressão simbólica
2 model = SymbolicRegressor(
3 population_size=500,
4 generations=20,
(...)
14 verbose=0
15 )
---> 17 model.fit(X_scaled, y)
File ~/symbolic_classifier/.venv/lib/python3.10/site-packages/gplearn/genetic.py:312, in BaseSymbolic.fit(self, X, y, sample_weight)
309 self.n_classes_ = len(self.classes_)
311 else:
--> 312 X, y = self._validate_data(X, y, y_numeric=True)
314 hall_of_fame = self.hall_of_fame
315 if hall_of_fame is None:
AttributeError: 'SymbolicRegressor' object has no attribute '_validate_data'Steps to reproduce the behavior
Code gist:
# 1) Dataset de exemplo (10 textos: 5 A, 5 B)
texts = [
"Produto ótimo e recomendo",
"Excelente serviço e bom atendimento",
"Gostei muito da compra",
"Entrega rápida e produto de qualidade",
"Funcionou perfeitamente, estou satisfeito",
"Produto ruim e não funciona",
"Péssimo atendimento, não gostei",
"Demorado e de baixa qualidade",
"Horrível, veio quebrado",
"Decepcionante e caro"
]
y = np.array([0,0,0,0,0,1,1,1,1,1]) # 0=A, 1=B
# 2) TF-IDF
vectorizer = TfidfVectorizer(lowercase=True)
X_tfidf = vectorizer.fit_transform(texts).toarray()
# 3) PCA para reduzir para 10 features
NUM_COMPONENTES = 10
pca = PCA(n_components=NUM_COMPONENTES, random_state=42)
X_reduced = pca.fit_transform(X_tfidf)
# 4) Normalização
scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X_reduced)
# 5) Regressão simbólica
model = SymbolicRegressor(
population_size=500,
generations=20,
stopping_criteria=0.01,
function_set=('add', 'sub', 'mul', 'div', 'log', 'sqrt'),
p_crossover=0.7,
p_subtree_mutation=0.1,
p_hoist_mutation=0.05,
p_point_mutation=0.1,
max_samples=1.0,
parsimony_coefficient=0.001,
random_state=42,
verbose=0
)
model.fit(X_scaled, y)System information
Linux-6.8.0-87-generic-x86_64-with-glibc2.35
Python 3.10.12 (main, Aug 15 2025, 14:32:43) [GCC 11.4.0]
NumPy 2.2.6
SciPy 1.15.3
Scikit-Learn 1.7.2
Joblib 1.5.2
gplearn 0.4.2