Python 3.x fastai：使用预拆分数据集评估表格预测模型

给定一个用于训练和测试的预分割数据集，我想知道如何相应地应用fastai中的预测来访问MAE和RMSE值

以下示例来自fastai，并使用sklearn中的train_test_分割稍微修改

import numpy as np
from sklearn.model_selection import train_test_split
from fastai.tabular.all import *
import pandas as pd

path = untar_data(URLs.ADULT_SAMPLE)
df = pd.read_csv(path/'adult.csv')

train, test = train_test_split(df, test_size=0.20, random_state=42)

cat_names = ['workclass', 'education', 'marital-status', 'occupation', 'relationship', 'race']
cont_names = ['age', 'fnlwgt', 'education-num']
procs = [Categorify, FillMissing, Normalize]
dls = TabularDataLoaders.from_df(train, path, procs=procs, cat_names=cat_names, cont_names=cont_names, 
                                 y_names="salary")
learn = tabular_learner(dls)


learn.fit_one_cycle(5)

epoch   train_loss  valid_loss  time
0   0.378432    0.356029    00:05
1   0.369692    0.358837    00:05
2   0.355757    0.348524    00:05
3   0.342714    0.348011    00:05
4   0.334072    0.346690    00:05


learn.unfreeze()
learn.fit_one_cycle(10, max_lr=slice(10e-4, 10e-3))

epoch   train_loss  valid_loss  time
0   0.343953    0.350457    00:05
1   0.349379    0.353308    00:04
2   0.360508    0.352564    00:04
3   0.338458    0.351742    00:05
4   0.334585    0.352128    00:05
5   0.342312    0.351003    00:04
6   0.329152    0.350455    00:05
7   0.334460    0.351833    00:05
8   0.328608    0.351415    00:05
9   0.333205    0.352079    00:04

现在，我如何将学习模型应用到测试集来计算度量？下面这样的情况对我不起作用：

learn.predict(test)

这里我得到了以下错误：

AttributeError:'DataFrame'对象没有属性'to_frame'

---

提前谢谢你的帮助

我最后为每个预测都编写了一个简单的for循环

当然，这远不是有效的，但解决了我的问题。如果您对克服慢for循环有任何改进建议，请随时在下面发表评论

predicted = []
real = []
for elem in range(0,len(test),1):
    row, clas, probs = learn.predict(test.iloc[elem])
    predicted.append(row["salary"].iloc[-1])
    real.append(test["salary"].iloc[elem])

---

我还想分享我在fastai论坛上得到的关于这个问题的答案，因为它很有帮助：“您应该使用文档中显示的test_dl方法，然后通过后期处理将概率转化为您的类：”