У меня есть 2 вопроса. У меня есть набор данных с сочетанием категориальных функций и чисел. Моя цель состоит в том, чтобы предсказать кредитную оценку отдельного лица.
Шаги, которые я предпринял для набора данных1 , заключаются в следующем:
1) Отброшены категорические признаки из фрейм данных
2) Onehotencoded категориальные признаки
3) pd.concat категориальные признаки вернулись с основным фреймом данных и сбросили целевую переменную
4) train_test_split в 70% для обучения и 30% для
5) применил PCA, fit_transform обучающий набор и transform тестовый набор
6) обнаружил, что работает случайный лес, поэтому я использовал RandomForestClassifier в качестве основного al go
7 ) протестировал модель и получил показатель точности 80%
8) настроил модель и улучшил ее до 81%
Теперь у меня есть новая куча данных, давайте назовем ее dataset2 . Я повторил шаги с 1 по 3 с ТОЛЬКО новыми наборами данных. Затем я просто отбросил целевую переменную и использовал RF.predict(). Я знаю, что это неправильно, и я думаю, что я должен соответствовать al go, но формы отличаются. Train_test_split только набор данных2 один, чтобы соответствовать al go не имеет смысл для меня, тогда какова цель dataset1 ? Я извиняюсь за то, что являюсь нубом, но я очень запутался в том, как обрабатывать и прогнозировать переменные с новым набором данных.
Должен ли я 1) повторно обучать мою модель? Если так, как я должен go сделать это? 2) Конкатить ли я новый набор данных2 в dataset1 и разделить его снова? Это было то, что я сделал для dataset1
RF = RandomForestClassifier()
model = RF.fit(x_train1, y_train)
y_pred = model.predict(x_test1)
Это было то, что я сделал для dataset2
new_pred= model.predict(x_test2)
Если какой-либо из моих шагов неверен, пожалуйста, не стесняйтесь дай мне знать. А также, пожалуйста, предоставьте любые решения. Я попытался реализовать конвейер, но я не смог воссоздать точность, как раньше.
Любые другие решения приветствуются.