Kurrikulum Leson 87 van 250 · Jou eerste Masjienleer-modelle
Jou eerste Masjienleer-modelle

Trein/Toets-verdeling: Eerlike Meting

Hier is die een belangrikste gewoonte in machine learning. As jy 'n model aanleer en dit dan op dieselfde data toets, leer jy niks nuttigs nie. 'n Model kan perfek punte kry deur net die antwoorde wat dit reeds gesien het, te memoriseer. Dit is soos om 'n student op die presiese vrae te graded wat hulle gestudeer het: dit meet geheue, nie begrip nie.

Die oplossing is om van die data terug te hou. Jy train op die meeste daarvan, dan test op rye wat die model nog nooit gesien het nie. Toetsprestasie is jou eerlike skatting van hoe dit op werklike, toekomstige data sal presteer.

scikit-learn gee jou een funksie hiervoor:

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=0
)

Dit gee vier dele terug, altyd in daardie volgorde: train features, test features, train labels, test labels. Twee argumente is belangrik:

  • test_size=0.2 hou 20 persent opsy vir toetsing en hou 80 persent vir opleiding.
  • random_state=0 regstel die shuffle sodat jy elke keer dieselfde same splitsing kry. Sonder dit is die splitsing elke keer willekeurig, en jou resultate sou wissel en nie getoets kan word nie. In hierdie hele kursus, gee altyd random_state=0.
  • .

Van nou af is daar 'n streng reël: jy mag op die training set oefen, maar jy mag net op die test set grade. Rapporteer nooit 'n telling van data waarop die model opgelei het nie.

Jou beurt

Arrays X (10 rye, 2 kolomme) en y (10 etikette) word gegee. Gebruik train_test_split met test_size=0.2 en random_state=0 om X_train, X_test, y_train, y_test te kry. Stel dan n_train in op die aantal opleidingsrye en n_test op die aantal toetsrye.

Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les

Hierdie oefening open binnekort

Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.