Python 我已经有了训练和测试数据集，如何将它们传递给模型

通常我们有一个数据集，我们执行训练和测试分离，但现在我已经有两个数据集，即训练数据集和测试数据集。如何将它们传递给模型

我假设您正在使用keras，并且已经制作了您的模型

由于您已经拆分了数据集，因此可以继续在以下训练集上训练模型：

model.fit(x_train, y_train, batch_size = 64, epochs = 10)

然后，一旦您想使用您的训练集，只需运行：

model.evaluate(x_test, y_test, batch_size = 128)

---

如果您不使用keras，请告诉我，我们可以从那里开始工作。

我假设您的列车数据集是带有标签的数据集，而您的测试数据集是接近您需要预测的真实数据的数据集。因此，您需要像通常一样使用列车数据，执行EDA等。您仍然可以将列车数据拆分为80-20拆分或类似拆分，并验证模型

一旦模型经过训练，您就可以在测试中进行预测。因为您的测试可能没有标签，所以您将无法获得任何指标。所有评估都在验证集上完成

 X_train, X_val, y_train, y_val = train_test_split(X,y,test_size = 0.2)

   model = RanndomForestClassifier() # instantiate model
   model.fit(X_train, y_train) # fit on the train data
   model.predict(X_val)  # predict on the validation set to measure performance 
   model.predict(test) # predict on the test set

---

train\u test\u split（）。我不确定我是否遗漏了什么，但是如果你已经有了，你就不能跳过
train\u test\u split（）。