Question

我正在尝试将数据集划分为训练集和测试集，在下面的代码中，df_min_max_scaled 是我的规范化数据，df 是我的非规范化数据，但出现错误

import numpy as np
train_ind = df.sample(frac=0.65, replace=True)
train = df_min_max_scaled[train_ind,]
test = df_min_max_scaled[-train_ind,]
train_labels = df[train_ind, 12] 
test_labels = df[-train_ind, 12]
#train_labels

错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-50-a640d18b42fc> in <module>
      1 import numpy as np
      2 train_ind = df.sample(frac=0.65, replace=True)
----> 3 train = df_min_max_scaled[train_ind,]
      4 test = df_min_max_scaled[-train_ind,]
      5 train_labels = df[train_ind, 12]

它在第 3 行显示错误，我实际上是使用 Pandas 将 R 代码转换为 Python

train_ind = sample(nrow(wine), floor(0.65 * nrow(wine)))
train = wine2[train_ind,]
test = wine2[-train_ind,]
train_labels = wine[train_ind, 12] 
test_labels = wine[-train_ind, 12]

Answer 1

我建议您使用 sklearn 的 train_test_split。这可能包含以下步骤：

加载您的数据（例如 df = pd.read_csv(...)，如果您的数据来自 CSV 文件）
使用训练测试拆分 (from sklearn.model_selection import train_test_split) 拆分它们，其中 df 是您的输入，labels 是真正的目标（您可以将 test_size 设置为您想要的任何值）。

train, test, train_labels, test_labels = train_test_split(df, labels, test_size=0.35)

应用您的缩放（我建议在拆分后应用缩放，以便您可以在训练数据上拟合例如最小-最大缩放器，而不是两者）

如果你真的坚持使用 Pandas 的示例函数，你可以这样做：

获取列车数据：train = df.sample(frac=0.65)
获取测试数据（其余 35% 的数据）：test = df.drop(train.index)
标签可以通过 train_labels = train.iloc[12] 提取（如果我理解正确，12 是标签在数据框列中的位置）
和/或最终可以通过 df_min_max_scaled.loc[train.index]

只需确保对缩放/未缩放数据使用相同的索引即可。

用标签划分训练和测试数据中的数据集

1 个答案: