我想在我的第一个数据文件(F1)上拟合逻辑回归模型,并对其进行测试 在另一个名为F2的文件上(另一年的同一行权)。 F1上的代码:
sc = preprocessing.StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)
logistic = LogisticRegression(random_state =0,max_iter = 300 ,penalty = 'l2')
model = logistic.fit(X,y)
ScaledObj = X_train
如何使用测试文件中的缩放数据 我这样做了,但我不知道如何在测试中使用ScaledObj 我的文件测试代码(F2)
F2 = pd.read_csv("F2.csv", sep =',')
y_test = F2['y']
X_test = F2.copy()
del X_test['y']
y_pred = model.predict(X_test)
proba= model.predict_proba(X_test)[:, 1]
Auc_Test = metrics.roc_auc_score(y_test, proba)
对于机器学习项目中的最佳实践,典型的工作流如下所示:
fit
与测试数据分离的训练数据的定标器transform
培训数据(您已经使用fit_transform
步骤完成了此操作)transform
使用已安装的定标器*读取测试数据。这可以防止训练数据和测试数据之间出现任何data leakagetransform
任何其他验证或生产数据李>*-请注意,scaler只存在于内存中,因此如果您想在另一个脚本中使用它,可以使用类似
pickle
或joblib
的内容来保存对象以供以后使用您已经在上面的代码中正确地完成了步骤1-3,并且可以以相同的方式执行步骤4。但是,我建议不要覆盖变量,因为这可能会在以后阅读代码时造成混淆
相关问题 更多 >
编程相关推荐