Skip to main content
 首页 » 编程设计

python之机器学习中的测试和训练数据

2024年11月01日9lvdongjie

我有 2000 多个 ANN 数据集。我在其中应用了 MLPRegressor。我的代码工作正常。但是对于测试,我想修复我的测试值,例如我有 50 个数据集。由此我想测试前 20 个值。我如何在代码中解决这个问题?我使用了以下代码。

import pandas as pd 
 
import matplotlib.pyplot as plt 
 
from sklearn.neural_network import MLPRegressor 
 
df = pd.read_csv("0.5-1.csv") 
df.head() 
 
X = df[['wavelength', 'phase velocity']] 
y = df['shear wave velocity'] 
 
from sklearn.model_selection import train_test_split 
 
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=.2) 
 
from sklearn.neural_network import MLPClassifier 
from sklearn.metrics import mean_absolute_error 
 
mlp = MLPRegressor(hidden_layer_sizes=(30,30,30)) 
 
mlp.fit(X_train,y_train) 

请您参考如下方法:

如果您希望获得可重现的结果,您可以向 train_test_split 传递一个固定的随机种子,以便在每次运行中使用相同的训练/测试样本。使用 train_test_split 的好处是无需进一步的努力就可以选择干净整洁的训练/测试拆分。

但是如果你坚持像你说的那样手动选择train/test split,你可以这样做:

X_test, y_test = X[:20], y[:20]  # first 20 samples for test 
X_train, y_train = X[20:], y[20:]  # rest of samples for train