Sklearn 问题的 ShuffleSplit

Question

我有一个名为 df_noyau_yes 的数据集，我想应用 ShuffleSplit 将其拆分为训练集和测试集以训练自动编码器。

问题是这个函数返回洗牌数据的索引，我试图提取这些索引的数据以将它们提供给自动编码器，但它不起作用，它显示错误KeyError 223

代码如下：

rs = ShuffleSplit(n_splits=2, test_size=.25, random_state=0)
rs.get_n_splits(df_noyau_yes)

for train_index, test_index in rs.split(df_noyau_yes):
   print("TRAIN:", train_index, "TEST:", test_index)
   #X_train, X_test = df_noyau_yes[train_index], df_noyau_yes[test_index]
x_train=[]
for x in train_index:
    x_train = np.append(x_train, df_noyau_yes[x])
    print(x_train)

print("training set",x_train)

有什么解决办法吗？？

Answer 1

对于按行和列的索引选择数据框值，使用iloc。

来自the documentation：

.iloc 属性是主要的访问方法。以下是 有效输入：

An integer e.g. 5
A list or array of integers [4, 3, 0]
A slice object with ints 1:7
A boolean array
A callable, see Selection By Callable

因此，您只需提供您的train_index、test_index 即可获得适当的数组。

x_train = df_noyau_yes.iloc[train_index].copy()
x_test = df_noyau_yes.iloc[test_index].copy()

我在这里使用copy() 作为额外的预防措施。因为如果你不使用copy()，并尝试更改x_train 或x_test 中的值，则会引发警告。