机器学习模型预测训练标签本身作为结果

Question

我正在尝试构建一个模型，根据具有“消息”、“尾巴”和“手指”特征的数据来预测“物种”，并标记“物种”（请参阅下面的 data.csv 的前几行）：

留言	手指	尾巴	种类
pluvia 乔木 aquos	4	不	水瓶座
cosmix xeno nebuz odbitaz	5	是的	佐布拉克斯
solarix glixx novum galaxum 类星体	5	是的	佐布拉克斯
乔木昆虫 pesros ekos dootix nimbus	2	是的	弗洛里安

我的代码是：

import warnings
warnings.simplefilter("ignore")
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import LabelEncoder
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

df = pd.read_csv("data.csv")
X = np.asarray(df[["message", "fingers", "tail"]])
X = [str (item) for item in X]
y = df["species"]

le = LabelEncoder()
y = le.fit_transform(y)

cv = CountVectorizer()
X = cv.fit_transform(X).toarray()

model = MultinomialNB()
model.fit(X, y)

test_data = pd.read_csv('test.csv')
test_data_array = np.asarray(df[["message", "fingers", "tail"]])
test_data_array = [str (item) for item in test_data_array]
test_data_array = cv.fit_transform(test_data_array).toarray()

y_prediction = model.predict(test_data_array)
y_prediction = le.inverse_transform(y_prediction)

print(y_prediction)

我按照this教程进行了相同的操作。

问题是，当我尝试运行它时，它只是逐字输出原始训练数据的物种列，除了一些差异（有 493 个结果，而测试数据由 299 个条目组成，训练数据包含 500 个条目）。它实际上并不预测测试数据的任何内容。我不明白为什么代码不起作用。有人可以帮忙吗？

Answer 1

问题是您将测试数据读入

test_data

，但随后使用包含训练数据的原始 DataFrame

df

来制作测试集。

更改此行：

test_data_array = np.asarray(df[["message", "fingers", "tail"]])

致：

test_data_array = np.asarray(test_data[["message", "fingers", "tail"]])

你应该有正确数量的预测。

记得还要将

y_prediction

与

test_data['species']

进行比较。