在这个练习中，我只能使用numpy，所以我不能直接使用scikit-learn。
我已经加载了数据集，并成功将其拆分为正面和负面数组。然而，我现在不知道该做什么，甚至不知道我处理数据以供分类器使用的方法是否正确。
datasettrain = np.loadtxt("Adaboost-trainer.txt")negtrain, postrain = np.delete(datasettrain[datasettrain[:,2] < 0],2,1), np.delete(datasettrain[datasettrain[:,2] > 0],2,1)clf = Adaboost(n_clf=5)clf.fit(postrain, negtrain)我知道应该输入特征和标签，但数据必须以不同的格式提供，而不是仅仅是一个普通的文本文件？至少我以前接收到的数据都是标记有特征和标签的，我可以通过拆分这些数据来输入。有人有什么想法如何将一个普通的文本文件处理成特征和标签吗？
编辑
1.116574 0.157686 +1-0.359096 0.653998 -1 1.845620 0.873235 +1-0.271484 -0.960392 -1 0.304631 2.797998 +1回答：
啊，如果我正确理解了你的样本数据，前两列是你的特征列，最后一列是你的目标值。如果这是正确的，那么要获得训练和测试集，你需要做类似下面的操作：
这样，你就有了80/20的训练/测试数据拆分，可以用于模型。
