如何解决分为测试集和训练集,所有行对应训练集或测试集中的一个属性值组合
我的输入文件格式如下:
gold,ProgramName,RequirementID,MethodID,DataTypeName,DataTypeID,FieldMethodownerClass,VariableName,fieldMethodID
Trace,chess,1,boolean,_moveRight,3
Trace,_computerIsWhite,4
NoTrace,2,3
NoTrace,3,4,5,6,7,8,de.java_chess.javaChess.game.Game,50,_game,1
NoTrace,byte,67,KING,353
NoTrace,PAWN,348
NoTrace,348
我希望将我的数据分成训练集和测试集,但我希望将与
这是我正在使用的 Python 代码。正如您所注意到的,它随机分成了一个测试集和一个训练集,这是我不想要的,我希望按照上述规则进行分割:
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report,confusion_matrix,accuracy_score
import sys
def main():
dataset = pd.read_csv( 'inputFields.txt',sep= ',',index_col=False)
#convert Inner,Root,Leaf into 0,2
dataset['ProgramName'] = dataset['ProgramName'].astype('category').cat.codes
dataset['DataTypeName'] = dataset['DataTypeName'].astype('category').cat.codes
dataset['VariableName'] = dataset['VariableName'].astype('category').cat.codes
dataset['gold'] = dataset['gold'].astype('category').cat.codes
pd.set_option('display.max_columns',None)
row_count,column_count = dataset.shape
X = dataset.iloc[:,1:column_count].values
y = dataset.iloc[:,0].values
print(y)
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.4,random_state=1)
################################################################################
classifier = RandomForestClassifier(n_estimators=400,random_state=0)
classifier.fit(X_train,y_train)
y_pred = classifier.predict(X_test)
print('confusion matrix\n',confusion_matrix(y_test,y_pred))
print('classification report\n',classification_report(y_test,y_pred))
print('accuracy score',accuracy_score(y_test,y_pred))
if __name__=="__main__":
main()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。