使用 fast_ml.model_development 为学习过程拆分 .npy 数据

Question

我正在尝试使用 Fast_ml 将我的数据拆分为训练集、验证集和测试集，以用于机器学习目的。我的输入和输出数据都是通过 np.load 从 .npy 文件中读取的。输入“P”是一个形状为 (100000, 4, 4, 6, 1) 的数组，目标“Q”是一个形状为 (100000,) 的向量。我使用下面的代码：

from fast_ml.model_development import train_valid_test_split

X_train, y_train, X_valid, y_valid, X_test, y_test = train_valid_test_split(P, Q, 
                                                                            train_size=0.8,
                                                                            valid_size=0.1,
                                                                            test_size=0.1)

但是，我收到此错误：

AttributeError: 'numpy.ndarray' object has no attribute 'drop'

Answer 1

这解决了我的问题：

from sklearn.model_selection import train_test_split
X_train, X_rem, y_train, y_rem = train_test_split(P,Q, train_size=0.8)
X_valid, X_test, y_valid, y_test = train_test_split(X_rem,y_rem, test_size=0.5)

使用 fast_ml.model_development 为学习过程拆分 .npy 数据

Splitting .npy data for a learning process using fast_ml.model_development

python

machine-learning

training-data