训练和测试数据集作为 4 个不同的数据集给出

Question

我是 python 的新手，非常感谢一些帮助。

这是关于逻辑回归（机器学习）的，在训练算法之前我没有任何问题。

数据集如下：

cost_train 数据框包含目标变量、0 和 1 二进制分类。

cost_train =..
(13900 observations)
cost_test =... 
(5400 observations)
invoices_train =..
(6000000 observations)
invoices_test =...
(105000 observations)

所以简而言之，不需要应用 train_test_split。我的第一个想法是将其他 3 个数据帧与 cost_train 数据帧合并，但经过几天的努力，我发现它不起作用。

我将非常感谢任何建议或解决方案。

Answer 1

首先我假设 invoices_train 和 invoices_test 是您的功能集，因为它没有被提及。 您可以使用 pandas concat() 和 merge() 函数来组合所有 4 个数据帧。但是您的特征集和标签集中的行数必须相同。否则标签集中会有空值。您可以首先使用 concat() 将 invoices_train 和 invoices_test 连接到单个数据集为 X。然后将 cost_train 和 cost_test 连接到另一个单一数据集作为 y。然后你可以使用 merge() 合并 X & y。这是一种方法。For more details visit pandas documentation。

但是由于您使用的是 sklearn train_test_split ，因此您不需要合并 X 和 y 因为您可以直接提供 X, y 作为函数的参数。