如何分割数据?

假设我的数据框中有1010行数据。现在我想使用 train_test_split 将它们分割,使前1000行数据成为训练数据,接下来的10行数据成为测试数据。

# 自然语言处理# 导入库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd# 导入数据集dataset = pd.read_csv('Restaurant_Reviews.tsv', delimiter = '\t', quoting = 3)newset=pd.read_csv('Test.tsv',delimiter='\t',quoting=3)frames=[dataset,newset]res=pd.concat(frames,ignore_index=True)# 清理文本import reimport nltknltk.download('stopwords')from nltk.corpus import stopwordsfrom nltk.stem.porter import PorterStemmercorpus = []for i in range(0, 1010):    review = re.sub('[^a-zA-Z]', ' ', res['Review'][i])    review = review.lower()    review = review.split()    ps = PorterStemmer()    review = [ps.stem(word) for word in review if not word in set(stopwords.words('english'))]    review = ' '.join(review)    corpus.append(review)from sklearn.feature_extraction.text import CountVectorizercv=CountVectorizer(max_features=1500)#X=cv.fit_transform(corpus).toarray()X=corpusy=res.iloc[:,1].values# 将数据集分割成训练集和测试集from sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.01, random_state = 0)

回答:

如果你知道需要前1000个样本作为训练数据,最后10个样本作为测试数据,最好手动进行分割,因为 train_test_split 是随机分割的。

X_train = X[:1000]X_test = X[1000:]y_train = y[:1000]y_test = y[1000:]

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注