Kurrikulum Leson 103 van 246 · Module 9: Is dit regtig beter?
Module 9: Is dit regtig beter?

Splits en lekasies

Waarom dit saak maak As enige inligting van die toetsdata by die opleiding uitkom, is die toetstelling nie meer 'n toets nie. Dit is die algemeenste manier waarop eerlike mense verkeerde syfers publiseer.

Die reël: die toetsstel mag geen deel speel in enige besluit nie, insluitend voorverwerking. Drie maniere hoe dit byskoot inkom:

  • Skalering met al die data. Bereken die gemiddelde en spreiding op elke ry, insluitend toetsrye, laat ons toetswaardes die opleidingsinsets vorm. Klein, maar werklik.
  • Kies kenmerke met al die etikette. Om die kenmerke wat die meeste met die etiket gekorreleer is te kies, terwyl jy ook die toetsetikette gebruik, kan pure geraas voorspellend laat lyk. Hierdie een kan groot wees.
  • Duplikate oor die splitsel. Dieselfde voorbeeld in beide stelle: die model word getoets op iets wat dit memoriseer.

Leakage: inligting wat die opleidingsproses bereik en punte beter laat lyk as wat hulle werklik is.

Jou beurt

Stel leaky in as 'n dictionary wat sê watter van die drie pipelines lek. Skryf dan pipeline_3_fixed(X, y): dieselfde idee, kies die 5 features deur net die eerste 200 rye te gebruik.

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.