Linear split #python random_state Seed recognition failed

Question

If random_state is not working, whenever I run into jupyter, it comes with a different precision.. Can anyone tell me the error? thanks in advance :D

# estimador de aprovaçao baseado nas notas das matérias
# o número nas notas variam de 0 a 100
# 1 significa aprovado e 0 reprovado 
import pandas as pd
import seaborn as sns
import numpy as np
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
dataset = pd.read_csv('Student.csv')
#valores não preenchidos serão tratados como nota 0, pois o aluno não compareceu a prova
dataset.dropna()
treinoX, testeX, treinoY, testeY = train_test_split(dataset.drop('Result', axis = 1),dataset['Result'].to_frame(),test_size = 0.25,random_state = 0)
estimador = LinearSVC()
estimador.fit(treinoX, treinoY)
previsao = estimador.predict(testeX)
precisao = print('precisão de {}%'.format(accuracy_score(testeY,previsao)*100))
precisao
x = input('defina a nota de Física:')
y = input('defina a nota de Matemática:')
z = input('defina a nota de Química:')
k = pd.DataFrame(np.array([x,y,z]).reshape(1,-1))
teste_previsao = estimador.predict(k)
if teste_previsao[0] == 1:
    print('parabéns, você foi aprovado!')
elif teste_previsao[0] == 0:
    print('você não foi aprovado,desculpe :/')

Answer 1

I made the following change to your code:

...
dataset.dropna()

X = dataset.drop('Result', axix=1, inplace=True).values

Y = dataset['Result'].values

treinoX, testeX, treinoY, testeY = train_test_split(X, Y, test_size = 0.25, random_state = 42)
...

I separated the parameters of the train_test_split to facilitate, I added inplace=True within the drop() and transformed the variables Xand Y adding the .values at the end of each of them. The sklearn can only make correct evaluations when you enter data such as numpy.array.

A small detail: I changed the value of random_state for a value greater than 0, I do not know if this has effect or not.

I hope you solve your problem! Anything we can discuss here in the comments!