python - 数据集中的唯一标识符，索引问题

Question

我的问题是关于使用 Scikit-Learn 和 TensorFlow 进行动手机器学习的书，有一段文字说：

如果您使用行索引作为唯一标识符，则需要确保新数据附加到数据集的末尾，并且不会删除任何行。

我不明白为什么删除一行会导致问题，如果我删除一行数据，然后使用 hashlib 拆分数据以获得训练集和测试集，测试集是相同的，没有行删除明显，测试集没有改变，索引没有改变，那么删除行和添加行（不在数据末尾）有什么问题？

标签： pythontensorflowmachine-learningscikit-learn

Answer 1

我认为这是一个一般提示/良好做法。1. 如果您按索引拆分（例如第一个 80% 索引和接下来的 20%）或者您正在执行时间序列项目，那么您放置行的位置非常重要。2. 如果您认为您正在追加行，但您正在覆盖它们，您可能会在没有意识到的情况下丢失数据。