使用sklearn的“预测”函数

如果我使用虚拟变量为分类值训练了sklearn中的模型，将单行特征提供给此模型以获取预测结果的最佳做法是什么？对于所有输入数据集，我试图获得分数。如果我的列数少于我用来训练/拟合模型的数据集，它会抛出一个错误。？使用sklearn的“预测”函数

只是为了阐明：在构建我的模型之前，我使用了一个具有5列并创建了118个虚拟列的数据集。现在我有一列有5列的数据，我想在predict函数中使用。我怎样才能做到这一点？

在这里的任何帮助将不胜感激。

来源

2016-06-01 Johnny

你应该使用相同的函数来创建虚拟行到每列5行预测（）'。 –

非常感谢您的回复。但是如果我应用相同的虚拟函数，它只会创建5个虚拟列，因为它还没有看到其他功能。因此，在模型的培训数据中，可能会有'密苏里州'，'堪萨斯州'，'格鲁吉亚'的专栏，因为这三个州出现在原来的“州”栏中。当我去虚拟出我的特征来应用预测功能并且'State'是密苏里州时，它将只有1列（'Missouri'）而不是3（'Missouri'，'Kansas'，'Georgia'）。 – Johnny

根据表状态扩展功能是错误的，因为您无法用其他数据重复该功能。如果你想以这种方式创建特征，你应该使用一个会记住特征结构的构造函数。既然你没有给出任何数据的例子，下面是你如何构造一个构造函数的主要思想：

import pandas as pd 

data = pd.DataFrame([['Missouri', 'center', 'Jan', 55, 11], 
        ['Kansas', 'center', 'Mar', 54, 31], 
        ['Georgia', 'east', 'Jan', 37, 18]], 
        columns=('state', 'pos', 'month', 'High Temp', 'Low Temp')) 


test = pd.DataFrame([['Missouri', 'center', 'Feb', 44, 23], 
         ['Missouri', 'center', 'Mar', 55, 33]], 
         columns=('state', 'pos', 'month', 'High Temp', 'Low Temp')) 


class DummyColumns(): 
    def __init__(self, data): 
     # Columns constructor 
     self.empty = pd.DataFrame(columns=(list(data.columns) + 
              list(data.state.unique()) + 
              list(data.pos.unique()) + 
              ['Winter', 'Not winter'])) 
    def __call__(self, data): 
     # Initializing with zeros 
     self.df = pd.DataFrame(data=0, columns=self.empty.columns, index=data.index)   
     for row in data.itertuples(): 
      self.df.loc[row.Index, :5] = row[1:] 
      self.df.loc[row.Index, row.state] = 1 
      self.df.loc[row.Index, row.pos] = 1 
      if row.month in ['Dec', 'Jan', 'Feb']: 
       self.df.loc[row.Index, 'Winter'] = 1 
      else: 
       self.df.loc[row.Index, 'Not winter'] = 1 
     return self.df  

add_dummy = DummyColumns(data) 
dummy_test = add_dummy(test) 
print dummy_test 

     state  pos month High Temp Low Temp Missouri Kansas Georgia \ 
0 Missouri center Feb   44  23   1  0  0 
1 Missouri center Mar   55  33   1  0  0 

    center east Winter Not winter 
0  1  0  1   0 
1  1  0  0   1

来源

2016-06-01 12:01:34

像冠军一样工作。我非常感激！我不提供样本数据的道歉。 – Johnny

使用sklearn的“预测”函数

回答

相关问题