Temario Lección 87 de 250 · Tus primeros modelos de aprendizaje automático
Tus primeros modelos de aprendizaje automático

Separar entrenamiento y prueba: medir con honestidad

Esta es la costumbre más importante del aprendizaje automático. Si entrenas un modelo y luego lo pruebas con los mismos datos, no aprendes nada útil. Un modelo puede sacar una nota perfecta solo con memorizar las respuestas que ya vio. Es como examinar a un estudiante con las mismas preguntas que estudió: mide la memoria, no la comprensión.

El arreglo es reservar una parte de los datos. Entrenas con la mayoría y luego pruebas con filas que el modelo nunca ha visto. El rendimiento en la prueba es tu estimación honesta de cómo lo hará con datos reales y futuros.

scikit-learn te da una función para esto:

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
)

Devuelve cuatro piezas, siempre en este orden: rasgos de entrenamiento, rasgos de prueba, etiquetas de entrenamiento, etiquetas de prueba. Importan dos argumentos:

  • test_size=0.2 reserva un 20 por ciento para la prueba y deja un 80 por ciento para el entrenamiento.
  • random_state=0 fija el barajado para que obtengas la misma separación en cada ejecución. Sin él, la separación es aleatoria cada vez, y tus resultados bailarían y no se podrían comprobar. En todo este curso, pasa siempre random_state=0.

A partir de ahora, una regla estricta: puedes entrenar con el conjunto de entrenamiento, pero solo evalúas con el conjunto de prueba. Nunca des una nota de datos con los que entrenó el modelo.

Tu turno

Tienes los arrays X (10 filas, 2 columnas) e y (10 etiquetas). Usa train_test_split con test_size=0.2 y random_state=0 para obtener X_train, X_test, y_train, y_test. Luego asigna a n_train el número de filas de entrenamiento y a n_test el número de filas de prueba.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.