如何在PyCaret中导出转换前后的训练集与测试集？

为什么会出现NameError: name 'X_train' is not defined #

PyCaret执行setup()后不会自动生成X_train/X_test这类全局变量，直接调用未定义的变量自然会触发错误。需要通过PyCaret提供的get_config()方法提取训练集、测试集等内部对象。

导出转换前后的训练集和测试集 #

1. 获取**未预处理（转换前）**的原始数据集

import pandas as pd

# 从setup的配置中提取原始特征和标签
X_train_raw = get_config('X_train')
y_train_raw = get_config('y_train')
X_test_raw = get_config('X_test')
y_test_raw = get_config('y_test')

# 合并特征与标签，得到完整的原始训练/测试集
train_raw = pd.concat([X_train_raw, y_train_raw], axis=1)
test_raw = pd.concat([X_test_raw, y_test_raw], axis=1)

2. 获取**预处理后（转换后）**的数据集

如果你需要导出经过编码、特征工程、去共线性等操作后的数据集，可以提取X_train_transformed和X_test_transformed：

# 获取预处理后的特征矩阵
train_transformed = get_config('X_train_transformed')
test_transformed = get_config('X_test_transformed')

# 合并标签（转换后的特征是numpy数组，需转为DataFrame后再合并）
train_transformed = pd.DataFrame(train_transformed, columns=get_config('X_transformed_columns'))
train_transformed['final_label'] = y_train_raw.values

test_transformed = pd.DataFrame(test_transformed, columns=get_config('X_transformed_columns'))
test_transformed['final_label'] = y_test_raw.values

修正你的predict_model代码 #

用上面获取到的原始数据集替换未定义的X_train/X_test即可：

# 假设rft是你通过create_model('rf')训练得到的模型
train_data = predict_model(rft, data=train_raw, raw_score=True)
train_data['phase'] = 'train'

test_data = predict_model(rft, data=test_raw, raw_score=True)
test_data['phase'] = 'test'

内容的提问来源于stack exchange，提问作者The Great