通过 train_test_split() 使用单独的测试和训练文件

Question

我有两个 .csv 文件，其中一个是 test.csv，另一个是 train.csv。但是，正如您可以预测的那样，测试文件没有 target column（在本例中为 'y'），而训练文件有。

我想做的是首先使用训练文件来训练整个系统，然后使用测试文件来查看预测。

我正在使用 from sklearn.model_selection import train_test_split() 创建训练和测试示例，但它只接受 1 个文件路径。我想先使用训练文件训练系统，然后当它完成时我想从 test.csv 文件中获取测试数据并进行预测。

所以首先我尝试了经典方法但减少了测试大小所以它就像“这个文件仅用于训练”，

import pandas as pd
from sklearn.svm import SVC
dataset = pd.read_csv(r'path\train.csv', sep=",")
X_train, X_test, y_train, y_test = train_test_split(
       X, y, test_size = 0.001, random_state = 45)

clf = SVC(kernel = 'rbf')
clf.fit(X_train, y_train)

但是，当涉及到真正的测试部分（我想使用 test.csv 中没有目标值的数据）时，我该如何导入 test.csv 我可以在上面的训练模型中使用测试数据

#get data from test.csv as somehow X_test
clfPredict = clf.predict(X_test)

如果无法使用 train_test_split()，完成此任务的正确方法是什么？

Answer 1

您需要加载火车 CSV 并将其拆分为：

y_train = df1['Y column']
X_train = df1.drop('Y Column', axis = 1)

关于测试：

X_test = df2

和y_test将是clf.predict(X_test)

的结果

通过 train_test_split() 使用单独的测试和训练文件

Using seperated test and train files with train_test_split()

python

machine-learning

training-data

pandas

train-test-split