我多次将train_test_split()用于索引切片，但由于某些原因，它保留了y训练和测试集的预测值。下面是示例数据，以及训练/测试切片和形状。= nypd_dummies.iloc[:, :2]
xtrain_dummy, xtest_dummy, ytrain_dummy, ytest_dummy = train_test_split(X_dummies, <em
浏览 3提问于2018-08-22得票数 0
回答已采纳
2回答
我的数据集有5000行和4列：我将数据分成20%的测试和80%的培训：并得到一个形状为(4000,4)的列车和(1000,4)的测试svclassifiersamp
浏览 2提问于2019-11-11得票数 0
回答已采纳
1回答
训练和测试拆分缺少标题和索引名称
、、、、
我正在将数据集分割为训练集和测试集， X_train, X_test, y_train, y_test = train_test_split(X.values, y.values, test_size= 0.20, random_state=99) 但是，在拆分之后，训练和测试集没有列名和索引名。
浏览 17提问于2021-06-17得票数 0
回答已采纳
x_train, x_test = train_test_split(x, test_size = 0.3,random_state=250)这就是在x_test和y_test以及x_train和y_train中相同的个体的匹配方式吗？
浏览 0提问于2019-07-09得票数 1
回答已采纳
我知道如何使用基本的train_test_split但是，如果我想将我的训练和测试集除以一个变量，在本例中是y
浏览 8提问于2020-09-05得票数 0
datasetTrain = pd.read_csv('D:/set_AB.csv')y= datasetTest
我收到以下错误
ValueError
浏览 8提问于2021-10-04得票数 0
1回答
一次热编码后预测
、、、
: Age、Name_Alex、Name_Bob、Name_Clarke、Country_India、Country_SriLanka、Country_USA在列车和测试中拆分数据集
x_train,x_test,y_train,y_test=train_test_split(x
浏览 1提问于2019-02-20得票数 5
回答已采纳
3回答
regressor = LinearRegression()y_pred = regressor.predict(x_test) ??但是，我该如何使仅仅是我的10个新数据--摄入的卡路里数--并使它成为我希望回归者预测的测试集？
浏览 0提问于2018-05-04得票数 4
2回答
我正在尝试这个代码，将数据拆分成逻辑回归的训练和测试： ""“ from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3,
random_state=10) "&
浏览 22提问于2021-01-23得票数 0
Keras允许用户在拟合模型的同时，使用参数"validation_split“将数据分割为训练/测试样本。示例：model.add(Dense(3, activation = 'relu'))model.fit(X_train, y_train,validation_split = 0.2)
然而，我的直觉表明，使用validation_split (相对于创建训练，<em
浏览 0提问于2020-11-24得票数 -1
回答已采纳
2回答
我有一个按日期索引的pandas数据。假设从1月1日到1月30日。我想将这个数据集分成X_train、X_test、y_train、y_test，但是我不想混淆日期，所以我希望将训练和测试样本除以特定的日期(或索引)。我在努力
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, rando
浏览 0提问于2018-12-06得票数 4
回答已采纳
我在试着拟合逻辑回归。我想按帐户划分训练和测试数据(一个不起作用的变量)。我希望将它们按帐户拆分，并且每个帐户可以有很多变量。例如，80%的帐户将进行培训，20%的帐户将进行测试。我尝试过以下方法，但这段代码只给了我80%的训练和20%的随机测试。然后在训练数据中，它会给我一些帐户，但在测试数据中，它也会给我准确的帐户，只是不同的变量。这不是我想
浏览 12提问于2019-05-29得票数 0
回答已采纳
1回答
我正在使用MinMaxScaler规范化方法，但是我已经看到了可以这样做的各种方法，我想知道在以下方面是否有任何实际的区别：代码12.将数据分解为列车和测试后的数据标准化/规范化，然后对
浏览 0提问于2020-10-05得票数 1
回答已采纳
但是，在执行以下代码后，我会得到以下消息错误： dataset = pd.read_excel("un.xls") X=dataset.iloc[:,:-1]
y=dataset.iloc[:,-1:], y_test = train_test_split(X, y, te
浏览 0提问于2021-08-12得票数 0
回答已采纳
Y(在train_test_split之后)的分布如下。(蓝色列车和红色测试)保持test_size=0.3 (稍等)，并在训练集上执行GridSearchCV，并使用生成的best_params_初始化一个新模型，我将得到一个0.83的测试分数。sco =[] X_train, X_test, y_train, y_test = train_test_split</
浏览 0提问于2023-01-13得票数 1
3回答
(训练测试分裂科学学习)
、、、、
from sklearn.model_selection import train_test_split在这个上下文中，X_train、X_test、y_train、y_test意味着什么?
浏览 0提问于2019-08-30得票数 2
回答已采纳
1回答
训练/测试分割目标检测
、、、、
我试过用这种方式学习train_test_split：data.head()y = data['class']X_train, X_test, y_train,
浏览 0提问于2020-03-05得票数 1
我遇到过的所有示例都在一个文件中包含数据，以方便地展示train_test_split的工作方式(或者任何模型)。但通常训练数据和测试数据是两个独立的文件。因此，我制作了一个非常基本的逻辑回归训练文件和测试文件，由两列组成，“年龄”，“保险”。并将df的df_train命名为df_test。我意识到df_test没有经过训练，因此出现了错误，但是...这不是重点吗？我知道model.predict(X_test)不会抛出错误，但这是基于训练</
浏览 1提问于2019-09-25得票数 1
我正在尝试使用train_test_split从package学习，但我遇到了参数stratify的问题。以下是代码：y = iris.target
然而，我一直遇到以下问题：
raise TypeError("Invalid parameters passed: %s&qu
浏览 21提问于2016-01-17得票数 143
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
