Python 中的随机森林 [r2_score 中的错误]

Question

我是机器学习和 Python 的新手。我正在尝试建立一个随机森林模型来预测水泥强度。 有两个.csv 文件：train_data.csv 和test_data.csv。

这就是我所做的。我试图在这里预测r2_score。

df=pd.read_csv("train_data(1).csv")
X=df.drop('strength',axis=1)
y=df['strength']
model=RandomForestRegressor()
model.fit(X,y)
X_test=pd.read_csv("test_data.csv")
y_pred=model.predict(X_test)
acc_R=metrics.r2_score(y,y_pred)
acc_R

这里的问题是y和y_pred的形状不同。所以我得到这个错误：

ValueError: Found input variables with inconsistent numbers of samples: [721, 309]

我该如何纠正这个问题？有人可以向我解释我做错了什么吗？

Answer 1

您需要将y_pred 与y_test 进行比较。不是你用来训练模型的y：

acc_R=metrics.r2_score(y_test,y_pred)

在 test_data.csv 中应该有另一个 y_test 的标签列表。

尝试以下方法：

df=pd.read_csv("train_data(1).csv")
X=df.drop('strength',axis=1)
y=df['strength']
model=RandomForestRegressor()
model.fit(X,y)
df1=pd.read_csv("test_data.csv") # we read the csv data from test
X_test=df1.drop('strength',axis=1) # get the fields that we will predict
y_test=df1['strength'] # get the correct labels for X_test
y_pred=model.predict(X_test) # get the predicted results
acc_R=metrics.r2_score(y_test,y_pred) # compare
acc_R

Answer 2

df_train = pd.read_csv("train_data(1).csv")
X_train = df.drop('strength',axis=1)
y_train = df['strength']
model=RandomForestRegressor()
model.fit(X_train,y_train)
df_test = pd.read_csv("test_data.csv")
X_test = df.drop('strength',axis=1) # if your test data consists of 'strength' 
y_test = df['strength'] # if your test data consists of 'strength' 
y_pred = model.predict(X_test)
acc_R = metrics.r2_score(y_test,y_pred)
acc_R