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Python 从csv获取熊猫系列,python,pandas,machine-learning,scikit-learn,sklearn-pandas,Python,Pandas,Machine Learning,Scikit Learn,Sklearn Pandas,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_mod
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)
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)