如何使用pandas从一个数据框中创建测试并训练样本？
我有一个数据框形式的相当大的数据集，我想知道如何将数据框分成两个随机样本（80％和20％）进行训练和测试。
谢谢！
问题答案：
我只会用numpy的randn：
In [11]: df = pd.DataFrame(np.random.randn(100, 2))
In [12]: msk = np.random.rand(len(df)) < 0.8
In [13]: train = df[msk]
In [14]: test = df[~msk]
只是看到它起作用了：
In [15]: len(test)
Out[15]: 21
In [16]: len(train)
Out[16]: 79
-
我有一个相当大的dataframe形式的数据集，我想知道如何将dataframe拆分为两个随机样本（80%和20%）进行训练和测试。 谢谢！
-
问题内容： 因此，我对此有疑问，一直在寻找答案。所以问题是我何时使用 这之后，我将训练和测试模型（，作为特征，如标签），并得到一些准确度得分。现在我的疑问是，当我必须预测新数据集的标签时会发生什么。说， 因为当我规范化列时，和的值将根据新数据而不是将在其上训练模型的数据来更改。因此，现在将是下面的数据准备步骤之后的数据。 的价值和将关于改变和价值。的数据准备是关于的。 有关不同数字的数据准备如何有
-
为了评估我们的监督模型的泛化能力，我们可以将数据分成训练和测试集： from sklearn.datasets import load_iris iris = load_iris() X, y = iris.data, iris.target 考虑如何正常执行机器学习，训练/测试分割的想法是有道理的。真实世界系统根据他们拥有的数据进行训练，当其他数据进入时（来自客户，传感器或其他来源），经过训
-
问题内容： 我要执行的操作类似于合并。例如，通过合并，我们得到一个数据帧，其中包含第一个AND第二个数据帧中存在的行。通过合并，我们得到一个数据帧，该数据帧在第一个或第二个数据帧中都存在。 我需要的是一个数据帧，其中包含第一个数据帧中存在的行而第二个数据帧中不存在的行？有快速而优雅的方法吗？ 问题答案： 如下所示呢？ 只要有一个非关键的通用命名列，就可以让在sufffexes上执行的工作（如果没有
-
我正在使用OpenNLP进行数据分类。我在这里找不到疾病的TokenNameFindModel。我知道我可以创建自己的模型，但我想知道是否有针对疾病的大样本训练数据？
-
我刚刚开始使用R，我不确定如何将我的数据集与以下示例代码结合起来： 我有一个数据集，我需要将其放入训练（75%）和测试（25%）集中。我不确定应该将哪些信息放入x和大小？x是数据集文件吗？我有多少样本？
-
问题内容： 我正在尝试创建一个矩阵以显示Pandas数据框中的行之间的差异。 我要这样： 要变成这样（差异垂直）： 这是可以通过内置函数实现的，还是需要构建一个循环以获得所需的输出？谢谢你的帮助！ 问题答案： 这是numpy广播的标准用例： 我们使用values属性访问基础的numpy数组，并引入了一个新轴，因此结果是二维的。 您可以将其与原始系列结合使用： 由于@Divakar，也可以使用以下命
-
问题内容： 我像这样使用scikit-learn的SVM： 我的问题是，当我使用分类器预测训练集成员的班级时，即使在scikit- learns实现中，分类器也可能是错误的。（例如） 问题答案： 是的，可以运行以下代码，例如： 分数是0.61，因此将近40％的训练数据被错误分类。部分原因是，即使默认内核是（理论上也应该能够对任何训练数据集进行完美分类，只要您没有两个带有不同标签的相同训练点），也可