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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注