Python 如何准备支持向量回归模型的训练集，该模型能够包含行数直到行数1000？

我有数据帧，即df。其中包含超过2000行和15列，包括

费用列

。我已经完成了SVR的所有流程。现在，我想让训练集包含第1000行之前的行

测试集将有一行，行号

1001

为了准备培训和测试模型，我需要将

费用列

作为目标值，并将所有其他列作为功能

但我知道将其分为训练集（50%）和测试集（50%）的方法。我包括以下内容：

from sklearn.svm import SVR
import pandas
import sklearn
csv = pandas.read_csv('data.csv')
train, test = sklearn.cross_validation.train_test_split(csv, train_size = 0.5)

如果我像上面提到的那样准备培训和测试集，我可以如何编写代码

这就是你想要的吗

csv = pandas.read_csv('data.csv')
train, test = csv.loc[:1000], csv.loc[1001]

然后，要将列车测试集进一步拆分为X和Y，只需执行以下操作：

train_X, train_Y = train.drop(columns=['expense']), test['expense']
test_X, test_Y = train.drop(columns=['expense']), test['expense']

相反，如果您希望使用列“use”作为响应，则应使用以下操作：

train, test = dataset.loc[:1000], dataset.loc[1001]

train_X, train_y = train.drop(columns=['use']), train['use']
test_X, test_y = test.drop(columns=['use']), test['use']

SupportVectorRefModel = SVR()
SupportVectorRefModel.fit(train_X, train_y)
SupportVectorRefModel.predict(test_X)

---

来自sklearn.model\u selection import train\u test\u split

来自sklearn.svm import SVR

X=dataset.loc[：1000]

y=dataset.loc[1001]

我更新了我的答案，其中也包括了X和y的拆分。我知道我的代码中用csv.loc[…]替换了df.loc[…]。让我知道它是否是这样工作的。如果这是您的完整代码，那么显然测试并没有定义，因为您从未定义过它。你为什么不按照我的建议去做呢？我很确定它是有效的。

train\u X，train\u Y=train.drop（列=['expense']），test['expense']test\u X，test\u Y=train.drop（列=['expense']），test['expense']

这一行似乎是从整个数据集中删除了

expense列。但是我需要从前面几行中得到的变量中删除它们。因此需要在247和248行中适当使用变量“X_train，y_train，X_test，y_test”。你能为这些目的提供说明吗？