Question

我有2000多个ANN数据集。我已经在其中应用了MLPRegressor。我的代码工作正常。但是对于测试，我想固定测试值，例如我有50个数据集。从那我想测试前20个值。如何在代码中解决此问题？我使用了以下代码。

import pandas as pd

import matplotlib.pyplot as plt

from sklearn.neural_network import MLPRegressor

df = pd.read_csv("0.5-1.csv")
df.head()

X = df[['wavelength', 'phase velocity']]
y = df['shear wave velocity']

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2)

from sklearn.neural_network import MLPClassifier
from sklearn.metrics import mean_absolute_error

mlp = MLPRegressor(hidden_layer_sizes=(30,30,30))

mlp.fit(X_train,y_train)

Answer 1

如果希望获得可重复的结果，则可以通过train_test_split固定随机种子，以便在每次运行中使用相同的训练/测试样本。如果使用train_test_split的好处是不用费劲就可以轻松地选择训练/测试分段。

但是，如果您坚持要像您所说的那样手动选择训练/测试分组，则可以这样操作：

X_test, y_test = X[:20], y[:20]  # first 20 samples for test
X_train, y_train = X[20:], y[20:]  # rest of samples for train

Answer 2

将numpy的随机种子固定为48或其他值

np.random.seed(48)

这将每次生成相同的拆分。并使用testsize固定拆分的大小

在机器学习中测试和训练数据

2 个答案: