我试图理解 machinelearningmastery.com 中的一些示例代码,但切片符号让我失望...对于我的代码的初学者,我试图使用 CSV 中的一些数据创建一个简单的回归类型 ML 算法文件:
import pandas as pd
McheLrn = pd.read_csv('C:/Users/data.csv', index_col='Date', parse_dates=True)
McheLrn['month'] = McheLrn.index.month
McheLrn['date'] = McheLrn.index.strftime('%d')
McheLrn['hour'] = McheLrn.index.strftime('%H')
McheLrn['Day_of_week'] = McheLrn.index.dayofweek
McheLrn.head()
这将输出:
OSAT kWh month date hour Day_of_week
Date
2013-01-01 06:00:00 10.4 16.55 1 01 06 1
2013-01-01 06:15:00 10.4 16.55 1 01 06 1
2013-01-01 06:30:00 10.4 16.05 1 01 06 1
2013-01-01 06:35:00 10.4 16.05 1 01 06 1
2013-01-01 06:45:00 10.4 17.20 1 01 06 1
不确定我是否使用了正确的术语,但因变量是 kWh
(Y 变量),所有其他都是我的 X 变量的自变量...
下面的代码让我失望的是切片符号 X = array[:,0:2] Y = array[:,2]
我不确定我是否有我的正确选择 X 和 Y 变量。
# Decision Tree Regression
import pandas
from sklearn import model_selection
from sklearn.tree import DecisionTreeRegressor
dataframe = McheLrn
array = dataframe.values
X = array[:,0:2]
Y = array[:,2]
seed = 7
kfold = model_selection.KFold(n_splits=90, random_state=seed)
model = DecisionTreeRegressor()
scoring = 'neg_mean_squared_error'
results = model_selection.cross_val_score(model, X, Y, cv=kfold, scoring=scoring)
print(results.mean())
最佳答案
只是为了进一步说明。如果您知道目标列(名称),那么首选方法是选择目标列以外的所有内容,如下所示
df=pd.DataFrame({'a':[1,2],'b':[2,3],'c':[1,9]})
target_col=['c'] # column 'c' is the target column here
X=df[list(set(df.columns).difference(target_col))].values # X-> features
Y=df[target_col].values # Y -> target
如果使用列号。假设最后一列是目标列
data=df.values
X=data[:,:2] # from column 1 upto second last column including all the rows
Y=data[:,2] # only last column(target) including all the rows
关于Python 切片表示法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52596553/