代码之家  ›  专栏  ›  技术社区  ›  Peeyush

如何在scikit中训练svm从csv文件中的训练数据中学习

  •  0
  • Peeyush  · 技术社区  · 13 年前

    我在CSV文件中有训练数据,其第一个元素是结果,其余元素构成特征向量。

    我使用Weka在这些训练数据上训练和测试各种算法。但现在我想多次使用训练后的模型来测试一个不属于训练数据的特征向量,我也不知道该怎么做。我想我可以通过使用scikit learn来做到这一点。请提供一些帮助。

    1 回复  |  直到 13 年前
        1
  •  5
  •   Fred Foo    13 年前

    只需对数据进行切片,例如针对分类问题:

    >>> import numpy as np
    >>> from sklearn.ensemble import ExtraTreesClassifier
    
    >>> data_train = np.loadtxt('data_train.csv', delimiter=',')
    >>> X = data_train[:, 1:]
    >>> y = data_train[:, 0].astype(np.int)
    >>> clf = ExtraTreesClassifier(n_estimators=100).fit(X, y)
    

    然后对第一列中没有目标标签的测试数据进行预测:

    >>> data_test = np.loadtxt('data_test.csv', delimiter=',')
    >>> print(clf.predict(data_test))