Python 从csv获取熊猫系列

我对机器学习是全新的，我目前正在玩MNIST机器学习，使用随机分类器

我使用sklearn和panda。 我有一个培训CSV数据集

import pandas as pd
import numpy as np
from sklearn import model_selection
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import LinearSVC
from sklearn.linear_model import SGDClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

train = pd.read_csv("train.csv")
features = train.columns[1:]
X = train[features]
y = train['label']

user_train = pd.read_csv("input.csv")
user_features = user_train.columns[1:]
y_train = user_train[user_features]
user_y = user_train['label']


X_train, X_test, y_train, y_test = model_selection.train_test_split(X/255.,y,test_size=1,random_state=0)

clf_rf = RandomForestClassifier()
clf_rf.fit(X_train, y_train)
y_pred_rf = clf_rf.predict(X_test)
acc_rf = accuracy_score(y_test, y_pred_rf)

print("pred : ", y_pred_rf)
print("random forest accuracy: ",acc_rf)

我有当前的代码，它运行良好。它获取训练集，分割并获取一个元素进行测试，并进行预测

我现在想要的是使用来自输入的测试数据，我有一个名为“input.csv”的新csv，我想预测这个csv中的值

如何用输入数据替换模型选择、训练、测试分割？

---

我确信响应是非常明显的，我没有发现任何东西。

您代码的以下部分未使用

user_train = pd.read_csv("input.csv")
user_features = user_train.columns[1:]
y_train = user_train[user_features]
user_y = user_train['label']

如果input.csv的结构与train.csv相同，您可能需要：

• 训练分类器并在input.csv数据集的一部分上进行测试：（请参阅了解如何设置测试大小）

• 在整个input.csv文件上测试先前训练的分类器

  input_train = pd.read_csv("input.csv")    
  input_features = user_train.columns[1:]    
  input_data = user_train[input_features]    
  input_labels = user_train['label']
  
  labels_pred_rf = clf_rf.predict(input_data)
  acc_rf = accuracy_score(input_labels, labels_pred_rf)
  

---

您想使用input.csv数据重新训练模型，还是只需将安装的模型作为测试数据应用到input.csv？

input_train = pd.read_csv("input.csv")    
input_features = user_train.columns[1:]    
input_data = user_train[input_features]    
input_labels = user_train['label']

labels_pred_rf = clf_rf.predict(input_data)
acc_rf = accuracy_score(input_labels, labels_pred_rf)