不是很懂訓練/預測用的格式這樣撰寫的原因? - Cupoy

2019/09/12 下午 10:23

機器學習共學討論版

李衡

觀看數：72

回答數：3

收藏數：0

ml100-3

ml100-3-d12

# 重組資料成為訓練 / 預測用格式

train_Y = np.log1p(df_train['SalePrice'])

ids = df_test['Id']

df_train = df_train.drop(['Id', 'SalePrice'] , axis=1)

df_test = df_test.drop(['Id'] , axis=1)

df = pd.concat([df_train,df_test])

回答列表

• 2019/09/13 上午 00:37
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  哪一段不懂？你的問題太廣了，不知道從哪裡回答起。可以先從你懂的地方解釋看看！

• 2019/09/14 上午 01:12
  BC Kung
  贊同數：0
  不贊同數：0
  留言數：0

  將 df_train 與 df_test  兩個 DataFrame做合併

  然後將我們想要預測的欄位  'SalePrice' ，從 df_train 中抽出來

  df 變成一個純粹的 model 的輸入角色，train_Y 變成一個純粹的model 的輸出純量。

  
  

  接著就可以直接在 df 這個對象上，操作將na值補零，補平均等等操作

• 2019/09/19 下午 02:12
  WP
  贊同數：1
  不贊同數：0
  留言數：1

  我同樣不太明白 concat train/test 的目的, 後段又要花功夫從df 分離配合 train_Y 行數.

  之後真的進行測試才將df_test fillna 不是更合理簡單嗎?