Тренувальні й тестові вибірки

Передобробка для машинного навчання в Python

James Chapman

Curriculum Manager, DataCamp

Навіщо ділити?

Зменшує overfitting
Оцінює якість на відкладеній вибірці

Розбиття набору даних

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

Стратифікована вибірка

Набір із $100$ зразків: $80$ — клас 1, $20$ — клас 2
Тренувальна вибірка $75$ зразків: $60$ — клас 1, $15$ — клас 2
Тестова вибірка $25$ зразків: $20$ — клас 1, $5$ — клас 2

Стратифікована вибірка

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

Стратифікована вибірка

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

Давайте потренуємось!

Передобробка для машинного навчання в Python