Ensembles d'entraînement et de test

Prétraitement pour le Machine Learning en Python

James Chapman

Curriculum Manager, DataCamp

Pourquoi diviser ?

 

  1. Réduit le surapprentissage
  2. Évalue la performance sur un ensemble de validation
Prétraitement pour le Machine Learning en Python

Diviser votre jeu de données

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

   X_train y_train            
0      1.0       n
1      4.0       n
       ...
5      5.0       n
6      6.0       n

   X_test y_test
0     9.0      y
1     1.0      n
2     4.0      n
Prétraitement pour le Machine Learning en Python

Échantillonnage stratifié

 

  • Ensemble de $100$ échantillons : $80$ classe 1 et $20$ classe 2
  • Ensemble d'entraînement de $75$ échantillons : $60$ classe 1 et $15$ classe 2
  • Ensemble de test de $25$ échantillons : $20$ classe 1 et $5$ classe 2
Prétraitement pour le Machine Learning en Python

Échantillonnage stratifié

X_train,X_test,y_train,y_test = train_test_split(X, y, stratify=y, random_state=42)

y["labels"].value_counts()

class1    80
class2    20
Name: labels, dtype: int64
Prétraitement pour le Machine Learning en Python

Échantillonnage stratifié

y_train["labels"].value_counts()

class1    60
class2    15
Name: labels, dtype: int64

y_test["labels"].value_counts()

class1    20
class2    5
Name: labels, dtype: int64
Prétraitement pour le Machine Learning en Python

Passons à la pratique !

Prétraitement pour le Machine Learning en Python

Preparing Video For Download...