对整个测试集进行预测-解网

问：

我想对整个测试集进行预测，这里的测试集只有数据集 A 的 20%，我理解这是因为它仅用于训练目的，当我保存权重然后在另一个数据集 B 上进行预测时，它也会拆分测试集数据集 B。如何使用训练数据集 A 的权重对整个测试集数据集 B 进行预测。谢谢。

x = dataset.iloc[:, :-1].values

# Dependent Variable:
y = dataset.iloc[:, -1].values

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)


from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

# Initialising the ANN
classifier = Sequential()

# Adding the input layer and the first hidden layer
classifier.add(Dense(units = 27, kernel_initializer = 'uniform', activation = 'relu', input_dim = 6))

# Adding the second hidden layer
classifier.add(Dense(units = 27, kernel_initializer = 'uniform', activation = 'relu'))

# Adding the output layer
classifier.add(Dense(units = 1, kernel_initializer = 'uniform', activation = 'sigmoid'))

# Compiling the ANN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

# Fitting the ANN to the Training set
classifier.fit(X_train, y_train, batch_size = 10, epochs = 20)

#making predictions on test data
classifier.predict(X_test)

Python 机器学习 Keras scikit-learn 深度学习

这是您描述的两个不同步骤 - train_test_split与保存模型的权重完全分开。关于这个问题的另一个答案显示了一种流行的保存权重的方法，如果这是你想做的，或者你可以直接使用 .您使用的 predict ON 是一个单独的问题，您可以选择仅在“数据集 B”的另一个子集或整个数据集上使用它。.predict()

0赞 R Balasubramanian 8/19/2020

这取决于你想做什么 - 从我的回答中回想一下，调用将重新训练权重。如果你想保留你在“数据集 A”上训练的权重，你也应该跳过拟合和直接跳跃的调用.fit()y_pred = ann.predict(x)

上一个：为什么单击 UL 时移动菜单会折叠？

下一个：在 axios 函数调用中设置状态，然后在 useEffect 钩子中调用函数

对整个测试集进行预测

making prediction on the entire testset

评论

评论