Machine learning 如何获得测试数据子集回归模型的预测精度？
我正在我的数据集上使用一个RandomForestRegressor，该数据集具有以下列： 此数据集的形状为50000,10 名为“total”的列是标签（我所预测的），其余的是特性。我将使用OneHotEncoder对前四列进行编码，使用训练/测试分割对数据集进行分割，然后拟合RandomForestRegressor 我的问题如下： 我想根据某个特征的值来预测测试集的准确性，即“ballsRem”列。该值的最小值为0，最大值为300，我只想知道“ballsRem”大于210的预测的准确度 我试着按如下所示过滤test_特性，然后只对过滤后的集合进行预测，但我无法进行合理的预测，因为测试标签的过滤方式不同Machine learning 如何获得测试数据子集回归模型的预测精度？,machine-learning,random-forest,predict,train-test-split,Machine Learning,Random Forest,Predict,Train Test Split,我正在我的数据集上使用一个RandomForestRegressor，该数据集具有以下列： 此数据集的形状为50000,10 名为“total”的列是标签（我所预测的），其余的是特性。我将使用OneHotEncoder对前四列进行编码，使用训练/测试分割对数据集进行分割，然后拟合RandomForestRegressor 我的问题如下： 我想根据某个特征的值来预测测试集的准确性，即“ballsRem”列。该值的最小值为0，最大值为300，我只想知道“ballsRem”大于210的预测的准确度
filteredTestingSet = test_features[test_features.ballsRem >= 180]
custprediction = predModel.predict(filteredTestingSet )