Python 分类后如何将名称列与结果匹配

以下是我的数据示例：

filename,2,3,4,5,6,7,class    
a.txt,0,0,0,0,0,0,0    
b.txt,0,0,0,0,0,1,0    
c.txt,0,0,0,0,1,0,0    
d.txt,1,0,1,0,0,1,1

当我训练数据时，我只使用2->7中的列作为输入，类作为输出。但是当我在模型训练和保存后测试它时，我需要知道哪些文件属于哪个类。我的意思是如何知道d.txt是类1。 我使用pandas从.csv文件导入数据，我在两个不同的csv文件中使用train set和test set。在训练阶段，我使用列2-7作为输入，列类作为目标，这些列是数字列。filename类只是文本。在测试阶段，我需要知道预测类的文件名。但我不知道怎么做

谢谢

---

p/s：我使用MLP、SVM、NB作为分类器。

假设您的数据为

.csv

格式：

filename,2,3,4,5,6,7,class
a.txt,0,0,0,0,0,0,0
b.txt,0,0,0,0,0,1,0
c.txt,0,0,0,0,1,0,0
d.txt,1,0,1,0,0,1,1

可以使用以下命令将相应的文件名输出到预测的类：

features=[1,0,1,0,0,1] #input
output=clf.predict([features])[0] #predicted class
print(df[df["class"]==output]["filename"]) #corresponding filename

请注意，在您的示例中，您面临的问题是特征数量大于示例数量，因此分类器可能会恶化

希望您只是提供了一个数据样本。在这种情况下，你很可能是好的。注意使用什么分类器

完整代码：

import numpy as np
import pandas as pd
from sklearn import svm

df=pd.read_csv('file.csv')

X = df.iloc[:,1:7].values
y = df.iloc[:,7:8].values
clf = svm.SVC() #using SVM as classifier
clf.fit(X, y)

features=[1,0,1,0,0,1]
output=clf.predict([features])[0]
print(df[df["class"]==output]["filename"])

---

您的数据是否用破折号分隔？每个破折号分隔一列？您可能需要检查数据，因为标头中的列数与文件的其余部分不匹配。另外，假设我的分类器输出0，您将如何区分

“a.txt”

、

“b.txt”

和

“c.txt”

？通常您会使用

svm.predict（）

并传入特征向量，但如果没有看到您的代码，我无法确定。@yellow01不，只使用逗号，我只是想让大家更容易理解