Python 重采样-can'；t分别创建培训集和测试集

我正在使用自举技术评估

MLP分类器

，我正在使用

scikit.utils.resample

获取不同的随机样本，但是

x\u测试

和

y\u测试

返回空：

seeds=[50,51,52,53,54]
对于范围（5）内的i:#引导样本数
X_序列，y_序列=重采样（X，y，n_样本=len（X），随机状态=种子[i]，分层=y）
X#u测试=[如果X不在X#列中，则X代表X在X中]#测试=未为X列选择的样本
y#u测试=[y不在y列时y代表y]#测试=未为y列选择的样本
X_检验
# []

---

我做错了什么有更好的方法吗？很难相信

sklearn

没有提供更好的方法

由于中的

操作符不适用于2D numpy数组，因此您的第一个列表理解在这里不起作用

让我们首先用虚拟数据重现您的问题：

from sklearn.utils import resample
import numpy as np

X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])

X_train, y_train = resample(X, y, random_state=0)
X_train
# result
array([[ 1.,  0.],
       [ 2.,  1.],
       [ 1.,  0.]])

到目前为止还不错；但是，正如我所说，清单理解将不起作用，因为你已经发现自己：

X_test = [x for x in X if x not in X_train]
X_test
# []

原因是

中的

操作符不适用于2D numpy数组

将初始
X
转换为列表可以解决以下问题：

X = X.tolist()

X_train, y_train = resample(X, y, random_state=0)
X_train
# [[1.0, 0.0], [2.0, 1.0], [1.0, 0.0]] # as previous result
X_test = [x for x in X if x not in X_train]
X_test
# [[0.0, 0.0]]

其中，正如预期的那样，我们在
X\u测试中得到了
X
初始
X
序列中不存在的唯一元素，即
[[0.0，0.0]

相反，
y
作为1D numpy数组，列表理解中的
in
操作符将起作用：

y_test = [y for y in y if y not in y_train]
y_test
# [2]

您的初始
X
和
y
列表，还是numpy数组？
X
和
y
是numpy数组回答没有帮助吗？我会测试，可能是因为
y\u test
是空的，所以我的回答有点错误。我在下面做了一些轻微的更正-
y\u test
不需要转换为列表，这听起来不错，但在我的实际数据中，它抛出了这个错误：
TypeError:Expected sequence或array like，get
@joann2555导入了numpy吗？如果是的话，请编辑你的帖子，包括你最初的
X
数据样本。不过，我知道了。但另一个问题出现了：在引导之前，我应该拆分
x
和
y
吗？如果我之前拆分，
y_test
将始终为空。@joann2555抱歉，我不明白您的意思；使用
重采样
的方式，您的
y\u测试
将永远不会为空。在任何情况下，评论都不是此类后续问题的正确位置，与OP无关；如果答案解决了您所面临的特定编码问题，请接受它，并随时欢迎您以可能的新问题提出新问题。