Python 培训和测试后，我如何处理新数据？

我有两个问题。我有一个混合了分类特征和数字的数据集。我的目标是预测个人的贷款等级

我为数据集1采取的步骤如下：

1） 已从数据帧中删除分类功能
2）

onehotcoded

分类特征
3）

pd.concat

将分类特征与主数据帧一起返回，并删除目标变量
4）

train\u test\u将

分为70%用于培训，30%用于测试
5） 应用PCA，

fit_transform

训练集和

transform

测试集
6） 发现random forest有效，所以我使用了

random ForestClassifier

作为主要算法
7） 对模型进行测试，准确度得分为80%
8） 调整模型并将其提高到81%

现在我得到了一组新的数据，我们称之为dataset2。我只对新数据集重复了从1到3的步骤。接下来，我删除了目标变量，并使用了

RF.predict（）

我知道这是错误的，我认为我应该适应算法，但形状不同。只需数据集2来适应算法对我来说没有意义，那么数据集1的目的是什么？很抱歉我是一个noob，但是我对如何使用新数据集处理和预测变量感到非常困惑

我应该重新训练我的模特吗？如果是这样的话，我应该怎么做呢？2） 我是否将新的数据集2放在数据集1下，然后再次拆分？这就是我为数据集1所做的

RF = RandomForestClassifier() 
model = RF.fit(x_train1, y_train)
y_pred = model.predict(x_test1)  

这就是我为dataset2所做的

new_pred= model.predict(x_test2)

如果我的任何步骤出错，请随时告诉我。并请提供任何解决方案。我确实尝试过实现一个管道，但我无法像以前那样重现准确性

---

欢迎任何其他解决方案

这对形状来说更有意义

我可以建议的是，因为有时我也会这样做，检查一下你的数据分布：每个数据集中的数据是关于什么的？我自己解释说：有一次，当我根据人们的爱好对他们进行分类时，我也遇到了同样的问题。我的火车，dev，测试集来自我从城市居民身上获得的数据。但是，几周后，当我在农村的人们身上试用我的分类器时，效果很差。事实上，这两个数据集并不来自同一个分布

---

我想也许你也面临同样的问题。检查您的两个数据集。

您没有对新数据集（即PCA）应用第5步。我认为，如果您的模型适合并可以使用，您不必重新训练模型，您可以尝试通过添加dataset2和re-trian来添加，但旧模型和新模型之间应该没有太大差异。当您的模型变旧时，您应该重新trian不能再响应新数据，而不仅仅是更新新数据traning@qaiser，抱歉，我忘了加上，我也用过，但是形状是不同的。@ThotsaphonSirikutta，这很奇怪，因为当我重新使用模型时，我的准确率只有16%。有些事情对我来说没有意义：如果数据集2的形状与数据集1的形状不同，你就不能训练它并以同样的方式使用它。对于您的预测，您必须使用与您注意到的可训练示例一致的数据！如果您的数据分发已关闭，您将如何处理这种情况？您是否完全删除新数据？还是将其与旧数据集合并并重新训练？抱歉，如果这听起来像一个愚蠢的qn.1-你合并所有的数据集，洗牌他们和培训一个新的分类器。2-你训练两个分类器