Подготовка обучающих наборов данных

Question

При подготовке набора обучающих данных нужно ли удалять целевые переменные данные из набора обучающих данных или можно оставить его?Итак, должен ли X = df[:,:] в приведенном ниже коде исключать целевую переменную или имеет значение?

# Feature to be predicted (y)
y = df['predicted'] #target variable

#Training data
X = df[:,:]

# Perform a 70% train and 30% test data split
X_train, X_test, y_train, y_test = ____(X, y, ____=____)

Answer 1

Уход или не выход из цели зависит от используемой вами библиотеки машинного обучения. При создании набора обучающих данных некоторые библиотеки дают вам возможность указать, какие столбцы использовать для обучения. В случае этих библиотек вам не нужно ничего удалять из обучающих данных.

Sklearn не имеет этой опции, поэтому вам придется отказаться от целевой функции.

# Feature to be predicted (y)
y = df['predicted'] #target variable

#Training data
X = df.drop("predicted",1)
# here 1 is the axis which means drop a column

# Perform a 70% train and 30% test data split
X_train, X_test, y_train, y_test = ____(X, y, ____=____)

Answer 2

Вы не можете оставить метку в наборе функций, вы бы пропустили готовый ответ.

X = df.drop(columns = 'predicted')