小编yke*_*ke9的帖子

在scikit中有一个绝对有用的类GridSearchCV - 学习网格搜索和交叉验证,但我不想做交叉验证.我想在没有交叉验证的情况下进行网格搜索,并使用整个数据进行训练.更具体地说,我需要在网格搜索期间使用"oob得分"评估RandomForestClassifier制作的模型.有简单的方法吗？或者我应该自己上课？

要点是

• 我想用简单的方法进行网格搜索.
• 我不想做交叉验证.
• 我需要使用整个数据来训练.(不想分开训练数据和测试数据)
• 我需要在网格搜索期间使用oob分数进行评估.

我正在尝试将csv文件作为带有pandas的DataFrame读取,我想将索引行读为字符串.但是,由于索引的行没有任何字符,因此pandas将此数据作为整数处理.如何读作字符串？

这是我的csv文件和代码:

[sample.csv]    
    uid,f1,f2,f3
    01,0.1,1,10
    02,0.2,2,20
    03,0.3,3,30

[code]
df = pd.read_csv('sample.csv', index_col="uid" dtype=float)
print df.index.values

结果:df.index是整数,而不是字符串:

>>> [1 2 3]

但我想把df.index作为字符串:

>>> ['01', '02', '03']

还有一个附加条件:其余的索引数据必须是数值,它们实际上太多了,我不能用特定的列名指出它们.