为啥我们在 Scikit learn 中将 X_test 存储到 y_preds 变量中？ [关闭]

Posted 2023-03-12

【中文标题】为啥我们在 Scikit learn 中将 X_test 存储到 y_preds 变量中？ [关闭]

【英文标题】：Why do we store X_test to y_preds variable in Scikit learn? [closed]为什么我们在 Scikit learn 中将 X_test 存储到 y_preds 变量中？ [关闭]

【发布时间】：2021-01-23 18:06:04

【问题描述】：

我目前正在从事一个机器学习项目，之前没有机器学习或 Python 的实践经验。刚刚在网上遇到如下代码，不知道为什么会这样。

训练后的数据存储在哪里？是存储在 X_train 还是 X_test 中？

为什么我们预测 X_test 并将其存储到 y_preds 变量中？由于我们使用了 y_preds，所以我期待的是这样的：

y_preds = clf.predict(y_test)

代码：

from sklearn.model_selection import train_test_split


# Using train_test_split() function, defining test data size + storing it to variables of test, train 
  and split data

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)


# Fitting the data into the training model defined above

clf.fit(X_train, y_train);

# Making predictions on our trained data

y_preds = clf.predict(X_test)

【问题讨论】：

predict 通过模型获取输入 (X) 以产生输出 (y)，将输出作为输入提供给模型是没有意义的。

好吧，如果是这样的话。从 X 获取输入到 Y 的产品输出也没有任何意义。

那么我认为你应该阅读更多关于机器学习模型的内容，这个网站并不是要教你机器学习及其工作原理。这是一个编程网站。

这就是我在问题开始时所说的，我是机器学习的新手。另外，如果您不愿意，我也不会寻求您的帮助。周围仍有成千上万的人将其提供给新手。

不是我，是规矩，请看meta.***.com/questions/291009/…

【参考方案1】：

一般来说，学习问题会考虑一组 n 个数据样本，然后尝试预测未知数据的属性。如果每个样本不止一个数字，例如，一个多维条目（也称为多元数据），则称它具有多个属性或特征。

学习问题分为几类：

A) 监督学习，其中数据带有我们想要预测的附加属性（点击此处进入 scikit-learn 监督学习页面）。这个问题可以是：

分类：样本属于两个或多个类别，我们希望从已标记的数据中学习如何预测未标记数据的类别。分类问题的一个例子是手写数字识别，其目的是将每个输入向量分配给有限数量的离散类别之一。将分类视为一种离散（相对于连续）形式的监督学习，其中一个具有有限数量的类别，并且对于提供的 n 个样本中的每一个，一个方法是尝试用正确的类别或类别标记它们.

回归：如果所需的输出由一个或多个连续变量组成，则该任务称为回归。回归问题的一个例子是根据鲑鱼的年龄和体重来预测鲑鱼的长度。

B) 无监督学习，其中训练数据由一组输入向量 x 组成，没有任何对应的目标值。此类问题的目标可能是发现数据中的相似示例组，这称为聚类，或者确定输入空间内的数据分布，称为密度估计，或者从高维投影数据空间缩小到两个或三个维度以进行可视化（单击此处转到 Scikit-Learn 无监督学习页面）。

基本上，机器学习是学习数据集的某些属性，然后针对另一个数据集测试这些属性。机器学习中的一种常见做法是通过将数据集分成两部分来评估算法。我们将其中一组称为训练集，我们在其上学习一些属性；我们将另一组称为测试集，在其上测试学习到的属性。

看看下面的链接。

https://scikit-learn.org/stable/user_guide.html

这是学习 Scikit Learn 的绝佳资源。其中一些事情很难让您全神贯注，但这是一次很棒的学习体验，而且确实有效！