Как сделать единый прогноз на основе модели упаковки

Question

У меня есть следующая строка кода:

# Setting the values ​​for the number of folds

num_folds = 10
seed = 7

# Separating data into folds

kfold = KFold(num_folds, True, random_state = seed)

# Create the unit model (classificador fraco)

cart = DecisionTreeClassifier()

# Setting the number of trees

num_trees = 100

# Creating the bagging model

model = BaggingClassifier(base_estimator = cart, n_estimators = num_trees, random_state = seed)

# Cross Validation

resultado = cross_val_score(model, X, Y, cv = kfold)

# Result print

print("Acurácia: %.3f" % (resultado.mean() * 100))

Это готовый код, который я получил из Интернета, который, очевидно, предопределен для тестирования моих перекрестно проверенных данных ОБУЧЕНИЯ и знания точностиалгоритма пакетирования.

Я хотел бы знать, могу ли я применить его к своим данным TEST (данные без вывода «Y»)

Код немного сбивает с толку, и я не могусмоделируйте это.

Я ищу что-то вроде:

# Training the model

model.fit(X, Y)

# Making predictions

Y_pred = model.predict(X_test)

Я хочу использовать обученную модель упаковки в мешки поверх данных обучения в тестовых данных и делать прогнозы, но я нене знаю, как изменить код

Answer 1

У вас есть все, чтобы предсказать новые данные уже.Я привожу небольшой пример с игрушечными данными и комментариями, чтобы прояснить ситуацию.

from sklearn.ensemble import BaggingClassifier

cart = BaggingClassifier()
X_train = [[0, 0], [1, 1]] # training data
Y_train = [0, 1] # training labels

cart.fit(X_train, Y_train) # model is trained

y_pred = cart.predict([ [0,1] ]) # new data
print(y_pred)

# prints [0], so it predicts the new sample (0,1) as 0 class