sklearn train_test_split 混淆答案

【问题标题】：sklearn train_test_split confusionsklearn train_test_split 混淆
【发布时间】：2020-06-26 11:22:50
【问题描述】：

我在运行代码时遇到错误。可能的错误是什么？

X = [['Item_Identifier', 'Item_Weight', 'Item_Fat_Content', 'Item_Visibility',
       'Item_Type', 'Item_MRP', 'Outlet_Identifier',
       'Outlet_Establishment_Year', 'Outlet_Size', 'Outlet_Location_Type',
       'Outlet_Type']]
y = ['Item_Outlet_Sales']
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.80,test_size=0.20)

我得到的错误：

ValueError: With n_samples=1, test_size=0.2 and train_size=0.8, the resulting train set will be empty. Adjust any of the aforementioned parameters.

【问题讨论】：

X 真的像这些还是熊猫数据框的这些列名？？？

标签： machine-learning scikit-learn train-test-split

【解决方案1】：

我相信您正在处理pandas data frame，以及您的X、y，如以下行所示：

X = [['Item_Identifier', 'Item_Weight', 'Item_Fat_Content', 'Item_Visibility', 'Item_Type', 'Item_MRP', 'Outlet_Identifier', 'Outlet_Establishment_Year', 'Outlet_Size', 'Outlet_Location_Type', 'Outlet_Type']]
y = ['Item_Outlet_Sales']

只是作为真实列名索引的列表，它不包含有效的训练数据。如果您的数据框名称是df，由df = Dataframe(your_data) 行创建，您应该尝试：

X = df[['Item_Identifier', 'Item_Weight', 'Item_Fat_Content', 'Item_Visibility', 'Item_Type', 'Item_MRP', 'Outlet_Identifier', 'Outlet_Establishment_Year', 'Outlet_Size', 'Outlet_Location_Type', 'Outlet_Type']]
y = df[['Item_Outlet_Sales']]

用于提取X、y 数据。

【讨论】：

【解决方案2】：

您的 X 和 y 数据实际上是什么？他们真的是那些字符串吗？还是您使用文本作为占位符？

您有一个列表列表作为 X 数据。这就是为什么代码将它解释为好像您只有一个样本。这就是为什么它告诉您 n_sample = 1 并且当您拆分训练数据时将是空的。删除 X 中的内括号，并为 X 提供一个类似于数组/列表的数据结构。然后它应该可以工作。

【讨论】：