Próbowałem podzielić przykładowy zestaw danych przy użyciu podzielonego losowo podziału Shuffle Scikit-learn. Śledziłem przykładzie przedstawionym na scikit-learn dokumentacji heresklearn.cross_validation.StratifiedShuffleSplit - błąd: "indeksy są poza systemem"
import pandas as pd
import numpy as np
# UCI's wine dataset
wine = pd.read_csv("https://s3.amazonaws.com/demo-datasets/wine.csv")
# separate target variable from dataset
target = wine['quality']
data = wine.drop('quality',axis = 1)
# Stratified Split of train and test data
from sklearn.cross_validation import StratifiedShuffleSplit
sss = StratifiedShuffleSplit(target, n_iter=3, test_size=0.2)
for train_index, test_index in sss:
xtrain, xtest = data[train_index], data[test_index]
ytrain, ytest = target[train_index], target[test_index]
# Check target series for distribution of classes
ytrain.value_counts()
ytest.value_counts()
Jednak po uruchomieniu tego skryptu, pojawia się następujący błąd:
IndexError: indices are out-of-bounds
Może ktoś proszę wskazać co robię źle tutaj ? Dzięki!
Wygląda na to, że w tym miejscu powinien wystąpić błąd indeksu: 'xtrain, xtest = dane [train_index], dane [test_index]'. Jeśli tak, możesz edytować swoje pytanie, aby pomóc innym zlokalizować problem. – Scott