关于数据预处理的问题

[L0ngxhn]

大佬你好，我发现pro_data.py代码上有个小逻辑没有处理。但是不确定会不会最终影响实验结果。 https://github.com/ShomyLiu/Neu-Review-Rec/blob/a119c1eac1520508a97eb9cd612dd946d4efd2d5/pro_data/data_pro.py#L256

247行 和 253行可能导致 train数据集中重复添加相同记录，从而导致数据集处理前后总数不一致问题。

将224行划分成train：test = 2:8，可大概率复现该现象。

解决方法：移除247和253行代码，并在255行后添加data_train = pd.concat([data_train, data_test.loc[all_index]])

[L0ngxhn]

master和pl都可能存在该问题

该死的排版。。。忘了提交前先Preview一下了。