从csv获取熊猫系列

Posted 2023-03-12

【中文标题】从csv获取熊猫系列

【英文标题】：Get panda Series from csv

【发布时间】：2017-11-03 04:16:42

【问题描述】：

我对机器学习完全陌生，我目前正在使用 MNIST 机器学习，使用 RandomForestClassifier。

我使用 sklearn 和 panda。 我有一个训练 CSV 数据集。

import pandas as pd
import numpy as np
from sklearn import model_selection
from sklearn.ensemble import RandomForestClassifier
from sklearn.svm import LinearSVC
from sklearn.linear_model import SGDClassifier
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

train = pd.read_csv("train.csv")
features = train.columns[1:]
X = train[features]
y = train['label']

user_train = pd.read_csv("input.csv")
user_features = user_train.columns[1:]
y_train = user_train[user_features]
user_y = user_train['label']


X_train, X_test, y_train, y_test = model_selection.train_test_split(X/255.,y,test_size=1,random_state=0)

clf_rf = RandomForestClassifier()
clf_rf.fit(X_train, y_train)
y_pred_rf = clf_rf.predict(X_test)
acc_rf = accuracy_score(y_test, y_pred_rf)

print("pred : ", y_pred_rf)
print("random forest accuracy: ",acc_rf)

我有当前的代码，效果很好。它获取训练集，拆分并取一个元素进行测试，然后进行预测。

我现在想要的是使用输入中的测试数据，我有一个名为“input.csv”的新 csv，我想预测这个 csv 中的值。

如何用我的输入数据替换 model_selection.train_test_split ？ 我确信响应非常明显，我没有发现任何东西。

【问题讨论】：

您是想使用 input.csv 数据重新训练模型，还是直接将拟合好的模型应用到 input.csv 作为您的测试数据？

【参考方案1】：

您的代码的以下部分未使用

user_train = pd.read_csv("input.csv")
user_features = user_train.columns[1:]
y_train = user_train[user_features]
user_y = user_train['label']

如果 input.csv 具有与 train.csv 相同的结构，您可能希望：

训练一个分类器并在 input.csv 数据集的拆分上对其进行测试：（请参阅http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html 了解如何设置测试大小）

input_train = pd.read_csv("input.csv")    
input_features = user_train.columns[1:]    
input_data = user_train[input_features]    
input_labels = user_train['label']
data_train, data_test, labels_train, labels_test = model_selection.train_test_split(input_data/255.,input_labels,test_size=1,random_state=0)

clf_rf = RandomForestClassifier()
clf_rf.fit(data_train, labels_train)
labels_pred_rf = clf_rf.predict(data_test)
acc_rf = accuracy_score(labels_test, labels_pred_rf)

在整个 input.csv 文件上测试之前训练的分类器

input_train = pd.read_csv("input.csv")    
input_features = user_train.columns[1:]    
input_data = user_train[input_features]    
input_labels = user_train['label']

labels_pred_rf = clf_rf.predict(input_data)
acc_rf = accuracy_score(input_labels, labels_pred_rf)