如何从csv文件中提取特征和标签以在分类器拟合中使用它们？

Question

the photo showing my dataset.csv

上面的照片显示了我的.csv数据。我使用基本代码将数据拆分为训练和测试集80/20，如下面的代码所示。 问题是我不知道如何将数据放入分类器（clf.fit（features，labels））我有三个功能（pdb，pds和pdsh）和三个标签（大，紧凑和小）如何从csv文件中提取它们？

import pandas as pd
import numpy as np

df = pd.read_csv('pd.csv')
df['split'] = np.random.randn(df.shape[0], 1)

splt = np.random.rand(len(df)) <= 0.8

train = df[splt]
test = df[~splt]

#The svm classifier 
from sklearn.metrics import accuracy_score
from sklearn import svm
clf = svm.SVC()
clf.fit(features, labels)
result = clf.predict(featuresT)
print(accuracy_score(TestLabels, result)*100)

任何建议都将受到高度赞赏 谢谢

Answer 1

请在互联网上搜索您的问题，因为有可用的解决方案。我还在写一篇。

首先，标签应转换为数字0,1,2。

当您使用pandas时，您可以通过 label = df [＆＃39; Name＆＃39;] 提取标签。但现在你必须从列车和测试数据集中删除目标列。

删除列使用：

train = train.drop（[＆＃39;名称＆＃39;]，轴= 1）

test = test.drop（[＆＃39;名称＆＃39;]，轴= 1）