Формат поезда / теста для случайного лесного классификатора с категориальными переменными

Проблема возникает из предпродажного запроса, действительно, но способ обработки требует некоторого дополнительного объяснения, когда мы говорим о Laravel - в основном запрос OPTIONS маршрутизируется (что-то другое скорее напоминает PHP-путь, чем Laravel путь), поэтому для этого вам нужно добавить это к вашим маршрутам:

Route::options('/{any}', function(){ return ''; })->where('any', '.*');

Теперь давайте рассмотрим все другие методы - создаем промежуточное ПО CORS:

namespace App\Http\Middleware;

use Closure;

class Cors
{
    /**
     * Handle an incoming request.
     *
     * @param  \Illuminate\Http\Request  $request
     * @param  \Closure  $next
     * @return mixed
     */
    public function handle($request, Closure $next)
    {
        return $next($request)
            ->header('Access-Control-Allow-Origin', '*')
            ->header('Access-Control-Allow-Methods', 'GET, POST, PATCH, PUT, DELETE');
    }
}

И, наконец, для данного маршрута используйте это промежуточное ПО:

Route::put('/test', function(){ echo('test'); })->with('cors');

-1
задан ai_learning 18 January 2019 в 10:43
поделиться

1 ответ

Необходимо удалить целевую переменную из тестовых данных, а затем дать оставшийся столбец информационного кадра в качестве входных данных для функции прогнозирования. Вы могли бы решить количество несовпадений функций.

Попробуйте это!

random_forest.predict(df_test.drop('Outcomes',axis=1))

Примечание: вам не нужно создавать фиктивные переменные целевых переменных для использования случайного леса или любых моделей на основе дерева решений.

0
ответ дан ai_learning 18 January 2019 в 10:43
поделиться
Другие вопросы по тегам:

Похожие вопросы: