python中运用sklearn的决策树模型求真实数据

Question

问题来源：现在书上和网上的都是把一堆已知预测结果的数据集分为测试集和训练集，然后看预测结果和真实值之间的准确率，报告什么的。。。。弱弱的问下，我有数据集，现在要对没有结果的数据做结果预测。问题来了：请问怎么操作，待预测的数据要和训练集、测试集一起进行特征工程，怎么进行呢。也就是说如何把不带预测结果的数据集和用来训练的放在一起做特征工程。然后求解预测结果。

'''2 数据分割'''
#分割数据集到训练集和测试集
x_train,x_test,y_train,y_test= train_test_split(x,y,test_size=0.01)


#进行处理（特征工程），使用特征转换器进行特征抽取
dict= DictVectorizer(sparse=False)
# 类别型的数据会抽离出来 数据型的会保持不变
x_train = dict.fit_transform(x_train.to_dict(orient='records'))
print(dict.get_feature_names())
x_test = dict.transform(x_test.to_dict(orient='records'))
print(x_train)

'''3训练模型进行预测'''
#用决策树进行预测,初始化决策树分类器
dec = DecisionTreeClassifier(max_depth=12,min_samples_leaf=1)
# 训练
dec.fit(x_train,y_train)


# 预测 保存结果
y_predict = dec.predict(x_test)### 问题描述

Answer 1

什么叫对没有结果的数据做结果预测？你总要有训练数据去训练你的模型，而这个训练模型是X和Y都要有的