Question

一个数据框总共由14列组成，最后一列是目标标签，其整数值为0或1。

我已经定义-

X = df.iloc [：，1:13] ----由特征值组成
Ly = df.iloc [：，-1] ------由相应的标签组成

两者都具有所需的长度，X是由13列组成的数据框，形状为（159880，13），y是形状为（159880，）的数组类型

但是当我在X，y上执行train_test_split时-该功能无法正常工作。

下面是简单的代码-

X_train，y_train，X_test，y_test = train_test_split（X，y，random_state = 0）

此拆分之后，X_train和X_test都具有形状（119910,13）。 y_train的形状为（39970,13），y_test的形状为（39970，）

这很奇怪，即使在定义了test_size参数之后，结果仍然保持不变。

请告知，可能出了什么问题。

import pandas as pd

将numpy导入为np 从sklearn.tree导入DecisionTreeClassifier 从adspy_shared_utilities导入plot_feature_importances 从sklearn.model_selection导入train_test_split 从sklearn.linear_model导入LogisticRegression

def model（）：

df = pd.read_csv('train.csv', encoding = 'ISO-8859-1')
df = df[np.isfinite(df['compliance'])]
df = df.fillna(0)
df['compliance'] = df['compliance'].astype('int')
df = df.drop(['grafitti_status', 'violation_street_number','violation_street_name','violator_name',
              'inspector_name','mailing_address_str_name','mailing_address_str_number','payment_status',
              'compliance_detail', 'collection_status','payment_date','disposition','violation_description',
              'hearing_date','ticket_issued_date','mailing_address_str_name','city','state','country',
              'violation_street_name','agency_name','violation_code'], axis=1)
df['violation_zip_code'] = df['violation_zip_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['zip_code'] = df['zip_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['non_us_str_code'] = df['non_us_str_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['violation_zip_code'] = pd.to_numeric(df['violation_zip_code'], errors='coerce')
df['zip_code'] = pd.to_numeric(df['zip_code'], errors='coerce')
df['non_us_str_code'] = pd.to_numeric(df['non_us_str_code'], errors='coerce')
#df.violation_zip_code = df.violation_zip_code.replace('-','', inplace=True)
df['violation_zip_code'] = np.nan_to_num(df['violation_zip_code'])
df['zip_code'] = np.nan_to_num(df['zip_code'])
df['non_us_str_code'] = np.nan_to_num(df['non_us_str_code'])
X = df.iloc[:,0:13]
y = df.iloc[:,-1]
X_train, y_train, X_test, y_test = train_test_split(X, y, random_state = 0)    
print(y_train.shape)

Answer 1

您混淆了train_test_split的结果，应该是

X_train, X_test, y_train, y_test = train_test_split(X, y,random_state=0)

Answer 2

if args.mode == "train":

    # Load Data
    data, labels = load_dataset('C:/Users/PC/Desktop/train/k')

    # Train ML models
    knn(data, labels,'C:/Users/PC/Desktop/train/knn.pkl' )

train_test_split不分割数据

2 个答案: