Python 2.7 将测试集划分为子组，然后分别对每个子组进行预测

我有一个类似于下表的数据集：

预测目标将是“分数”列。我想知道如何将测试集划分为不同的子组，例如分数在1到3之间，或者检查每个子组的准确性

现在我的情况如下：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)
model = tree.DecisionTreeRegressor()
model.fit(X_train, y_train)
for i in (0,1,2,3,4):
    y_new=y_test[(y_test>=i) & (y_test<=i+1)]
    y_new_pred=model.predict(X_test)
    print metrics.r2_score(y_new, y_new_pred)

X\u系列，X\u测试，y\u系列，y\u测试=系列测试分割（X，y，测试尺寸=0.3）
model=tree.DecisionTreeRegressor（）
模型拟合（X\U系列、y\U系列）
对于（0,1,2,3,4）中的i：
y_new=y_test[（y_test>=i）和（y_test当您计算度量时，您必须过滤预测值（基于您的子集条件）

基本上你是在尝试计算

metrics.r2_score([1,3],[1,2,3,4,5])

这会产生一个错误

ValueError:找到的输入变量的数量不一致
样本：[2,5]

因此，我建议的解决办法是

model.fit(X_train, y_train)
#compute the prediction only once. 
y_pred = model.predict(X_test)

for i in (0,1,2,3,4):
    #COMPUTE THE CONDITION FOR SUBSET HERE
    subset = (y_test>=i) & (y_test<=i+1)
    print metrics.r2_score(y_test [subset], y_pred[subset])

model.fit（X\U系列、y\U系列）
#只计算一次预测。
y_pred=模型预测（X_检验）
对于（0,1,2,3,4）中的i：
#在这里计算子集的条件
subset=（y_test>=i）和（y_testI）我认为您正在寻找
混淆矩阵
。在将其传递给函数之前，只需创建输出变量组。这应该会起作用。显然，
y_new_pred
包含对整个测试集的预测
X_test
（55955个示例），
y_new
只包含真实标签的一个子集（14279），因此任何度量计算（
r2_分数
或其他）都注定会失败，因此会出现错误；请参见下面的答案（请接受它，因为它可以解决您的问题）。
找到具有0个样本的数组（shape=（055955））但至少需要1个。
谢谢你的帮助，我的朋友，但在应用了你的解决方案后，我得到了上述回溯。你知道为什么会发生这种情况吗？顺便说一下，我打印了
y\u test[subset]
和
y\u pred[subset]
他们都是空的，我的朋友。我在应用你的代码时犯了错误。我一步一步地研究了你的解决方案。所以子集只有真值和假值。所以
y_test[subset]和y_pred[subset]
将只保留子集中标记为true的项。我的理解正确吗？@AI\u Learning我对你的解决方案有一些问题，我的朋友，但是看起来满分范围（0-5）的r^2为0.67。但是子分数范围例如（0-1,1-2,2-3,3-4,4-5）r^2明显低于全量程。部分子核r^2不应该高于0.67，部分子核r^2不应该低于0.67吗？非常感谢您的帮助