使用基于训练数据集的模型预测测试数据？

Question

我是数据科学和分析的新手。 在通过 Kaggle 上的大量内核之后，我制作了一个预测房产价格的模型。我已经使用我的训练数据测试了这个模型，但现在我想在我的测试数据上运行它。我有一个 test.csv 文件，我想使用它。我怎么做？ 我之前对训练数据集所做的事情：

#loading my train dataset into python
train = pd.read_csv('/Users/sohaib/Downloads/test.csv')

#factors that will predict the price
train_pr = ['OverallQual','GrLivArea','GarageCars','TotalBsmtSF','FullBath','YearBuilt']

#set my model to DecisionTree
model = DecisionTreeRegressor()

#set prediction data to factors that will predict, and set target to SalePrice
prdata = train[train_pr]
target = train.SalePrice

#fitting model with prediction data and telling it my target
model.fit(prdata, target)

model.predict(prdata.head())

现在我尝试做的是，复制整个代码，并将“train”更改为“test”，将“predate”更改为“testprdata”，我认为它会起作用，但遗憾的是没有。我知道我做错了什么，我知道它是什么。

Answer 1

只要您以完全相同的方式处理训练和测试数据，predict 函数就可以在任一数据集上工作。因此，您需要同时加载训练集和测试集，fit 加载到训练集上，predict 加载到测试集或训练集和测试集。

另外，请注意您正在阅读的文件是 test 数据。假设您的文件已正确命名，即使您将变量命名为 train，您目前正在使用您的测试数据进行训练。

#loading my train dataset into python
train = pd.read_csv('/Users/sohaib/Downloads/train.csv')
test = pd.read_csv('/Users/sohaib/Downloads/test.csv')

#factors that will predict the price
desired_factors = ['OverallQual','GrLivArea','GarageCars','TotalBsmtSF','FullBath','YearBuilt']

#set my model to DecisionTree
model = DecisionTreeRegressor()

#set prediction data to factors that will predict, and set target to SalePrice
train_data = train[desired_factors]
test_data = test[desired_factors]
target = train.SalePrice

#fitting model with prediction data and telling it my target
model.fit(train_data, target)

model.predict(test_data.head())

Answer 2

您已经在使用经过训练的模型进行预测 (model.predict(prdata.head()))。如果您想使用该模型来预测其他测试数据，只需提供其他测试数据而不是 prdata.head()。例如，您可以使用该模型来预测来自 prdata 的所有样本，方法是删除将 DataFrame 限制为前 5 行的 .head()（但您只是使用此数据来训练模型；这只是一个示例）。

请记住，您仍然需要一个模型来进行预测。通常，您将训练一个模型，然后将其与测试数据一起呈现。将 train 的所有引用更改为 test 将不起作用，因为除非您已将其从训练中保存并在向其展示测试数据之前将其恢复，否则您将没有基于测试数据进行预测的模型.

在您的代码中，当您将数据传递给model.fit 方法时，您实际上是在使用您的test.csv 数据文件来训练您的模型。通常，您不会使用用于测试的数据来训练您的模型。