准备训练数据集

Question

准备训练数据集时，目标变量数据是否需要从训练数据集中移除，还是可以保留？那么，下面代码中的 X = df[:,:] 应该排除目标变量还是它重要？

# Feature to be predicted (y)
y = df['predicted'] #target variable

#Training data
X = df[:,:]

# Perform a 70% train and 30% test data split
X_train, X_test, y_train, y_test = ____(X, y, ____=____)

Answer 1

你不能在特征集中留下标签，你会泄露现成的答案。

X = df.drop(columns = 'predicted')

Answer 2

离开或不离开目标取决于您使用的机器学习库。创建训练数据集时，一些库会为您提供一个选项来指定要使用哪些列进行训练。对于这些库，您不必从训练数据中删除任何内容。

Sklearn 没有此选项，因此您将不得不删除目标功能。

# Feature to be predicted (y)
y = df['predicted'] #target variable

#Training data
X = df.drop("predicted",1)
# here 1 is the axis which means drop a column

# Perform a 70% train and 30% test data split
X_train, X_test, y_train, y_test = ____(X, y, ____=____)

准备训练数据集

Preparing training data sets

python

machine-learning

training-data

pandas

scikit-learn