时间戳

首页 > 解决方案 > 为什么使用 Gaussian NB 分类器查找测试数据的分数时得到 0.0 的分数？

python-3.x - 为什么使用 Gaussian NB 分类器查找测试数据的分数时得到 0.0 的分数？

问题描述

我有两个不同的数据集。一个用于训练我的分类器，另一个用于测试。两个数据集都是文本文件，两列由“，”分隔。第一列（数字）是自变量（组），第二列是因变量。

训练数据集

（例如只有几行。每行之间没有空行）：

EMI3776438,1
EMI3776438,1
EMI3669492,1
EMI3752004,1

测试数据设置

（如您所见，我从训练数据中挑选数据以确保分数肯定不能为零）

EMI3776438,1

Python 3.6 中的代码：

# #all the import statements have been ignored to keep the code short
# #loading the training data set

training_file_path=r'C:\Users\yyy\Desktop\my files\python\Machine learning\Carepack\modified_columns.txt'

from sklearn import preprocessing
le = preprocessing.LabelEncoder()

training_file_data =  pandas.read_table(training_file_path, 
                                        header=None, 
                                        names=['numbers','group'],
                                        sep=',')

training_file_data = training_file_data.apply(le.fit_transform)

features = ['numbers']

x = training_file_data[features]
y = training_file_data["group"]

from sklearn.model_selection import train_test_split
training_x,testing_x, training_y, testing_y = train_test_split(x, y, 
                                                        random_state=0,
                                                        test_size=0.1)

from sklearn.naive_bayes import GaussianNB

gnb= GaussianNB()
gnb.fit(training_x, training_y)

# #loading the testing data 
testing_final_path=r"C:\Users\yyy\Desktop\my files\python\Machine learning\Carepack\testing_final.txt"
testing_sample_data=pandas.read_table(testing_final_path, 
                                      sep=',',
                                      header=None, 
                                      names=['numbers','group'])

testing_sample_data = testing_sample_data.apply(le.fit_transform)

category = ["numbers"]

testing_sample_data_x = testing_sample_data[category]

# #finding the score of the test data
print(gnb.score(testing_sample_data_x, testing_sample_data["group"]))

标签： python-3.xpandasmachine-learningscikit-learngaussian

解决方案

首先，上述数据样本没有显示其中有多少类。你需要更多地描述它。

其次，您le.fit_transform再次调用测试数据，这将忘记从字符串到数字的所有训练样本映射。该LabelEncoder文件将从头开始重新编码测试数据，这将不等于它映射训练数据的方式。所以GaussianNB现在的输入不正确，因此结果不正确。

将其更改为：

testing_sample_data = testing_sample_data.apply(le.transform)

更新：

很抱歉，我忽略了您的数据中有两列的事实。LabelEncoder仅适用于单列数据。要使其一次在多个 pandas 列上工作，请查看以下问题的答案：

如果您使用的是最新版本的 scikit ( 0.20) 或可以更新到它，那么您不需要任何此类 hack 并直接使用OrdinalEncoder：

from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()

training_file_data = enc.fit_transform(training_file_data)

在测试期间：

training_file_data = enc.transform(training_file_data)

推荐阅读