对整个测试集进行预测

Question

我想对整个测试集进行预测，这里测试集只有数据集A的20%，我理解这是因为它仅用于训练目的，当我保存权重然后对另一个数据集B进行预测时，它是否还会拆分测试集数据集B。 如何使用训练过的数据集 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)

Answer 1

如果我理解正确，你想在一个全新的数据集上使用你训练好的模型吗？

Keras 提供了几种方法来做到这一点，但我认为最常见的方法是使用命令将训练好的模型导出到 .hd5 文件中

model.save("filepath/model.hd5")

现在您可以使用命令将模型加载并使用到任何您想要的地方

model = model.load("filepath/model.hd5")
score = model.evaluate(X, Y)

其中 X 是数据集 B 的特征列，Y 是获得评分的响应。如果数据集 B 在同一个实例中，您总是可以使用

model.predict(X)

X 现在是数据集 B 的特征列

Answer 2

据我了解，您在这里提出 2 个问题：

首先，将“数据集 B”拆分为训练集和测试集由您在行中手动完成 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0).

如果，当您使用“数据集 B”时，您想在“数据集 B”的所有数据点上测试您的分类器，则不必进行此训练测试拆分，只需通过 X将“数据集 B”的值添加到您的分类器中。

至于如何做到这一点，根据您的第二个问题，它与您已经对“数据集A”的测试集所做的相同：

classifier.predict(X) 将使用它已经在“数据集 A”上学到的拟合进行预测，假设您没有重新编译或再次调用 .fit()。