作者热门文章
- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
有一个dataframe,共有14列,最后一列是目标标签,整数值为0或1。
我已经定义了:
X = df.iloc[:,1:13]
---- 这由特征值组成y = df.iloc[:,-1]
------ 这由相应的标签组成两者的长度都是一样的,X
是一个由13列组成的dataframe,形状是(159880, 13),y
是一个数组类型,形状是( 159880,)
但是当我在 X
,y
上执行 train_test_split()
时,该函数无法正常工作。
下面是简单的代码:
X_train, y_train, X_test, y_test = train_test_split(X, y, random_state = 0)
拆分后,X_train
和 X_test
都具有形状 (119910,13)。 y_train
的形状为 (39970,13) 而 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。
请指教,可能出了什么问题。
import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from adspy_shared_utilities import plot_feature_importances
from sklearn.model_selection import train_test_split
from sklearn.linear_model import 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)
最佳答案
你搞错了train_test_split的结果,应该是
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,random_state=0)
关于python - train_test_split 不拆分数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51125696/
我是一名优秀的程序员,十分优秀!