Python 如何在机器学习模型中使用测试比例数据？

我有一个拥有4000个CNN特征的数据，这是一个二进制分类问题。关于测试数据，我只知道1和0的比例。我如何告诉我的模型使用比例数据预测测试标签？（有没有办法说为了达到这个比例，我给这个例子0。）

如何使用它来提高准确性？在我的案例中，培训数据主要由1（85%）和0（15%）组成 然而，在我的测试数据中，l的比例是（%38），因此它与训练数据有很大不同

我在平衡数据方面做了一些工作，这很有帮助。然而，我的模型仍然预测几乎所有数据为1。这也可能是因为自适应问题而发生的

正如@birdwatch所建议的，我降低了0值的阈值，并尝试增加预测中的0标签计数

# Predicting the Test set results 
y_pred = classifier.predict_proba(X_test) 
threshold=0.3 
y_pred [:,0] = (y_pred [:,0] < threshold).astype('int') 

更改阈值后，现在是

1 :  3221
0 :  8653

---

然而，有没有其他方法可以使用测试比例来确保结果？

没有任何合理的方法。这样做会在模型中产生奇怪的偏见。你可以做的一件事是接受不太可能的结果，只要它有足够高的分数。通常情况下，您会使用0.5阈值，但在这里您可能会使用0.7。请注意，在提供有用答案后，以使该答案不相关的方式更新问题并非如此。我恳请您接受答案，并打开一个包含新细节的新问题（如有必要，您可以在此处添加链接）。更重要的是，很明显，你现在得到的具体结果取决于特定的阈值选择，因此你可能需要做一些进一步的实验，并将结果包括在你的新问题中。包括术语“类别不平衡”或“不平衡数据”，以及标签

不平衡数据

。

1 :  3221
0 :  8653