سرفصل‌ها درس 87 از 250 · اولین مدل‌های یادگیری ماشین شما
اولین مدل‌های یادگیری ماشین شما

تقسیم آموزش/آزمون: سنجشی صادقانه

این مهم‌ترین عادت در یادگیری ماشین است. اگر مدلی را آموزش دهید و سپس آن را با همان داده‌ها آزمایش کنید، چیز مفیدی یاد نمی‌گیرید. یک مدل می‌تواند تنها با حفظ پاسخ‌هایی که قبلاً دیده است، نمره کامل کسب کند. این مانند نمره‌دهی به دانش‌آموزی است که دقیقاً روی همان سؤال‌هایی که مطالعه کرده، امتحان داده است: این کار حافظه را می‌سنجد، نه درک را.

راه‌حل این است که مقداری از داده‌ها را کنار بگذارید. شما روی بیشتر آن‌ها آموزش می‌دهید، سپس عملکرد مدل را روی سطرهایی که هرگز ندیده است، آزمایش می‌کنید. عملکرد آزمایشی، برآورد صادقانه شما از عملکرد آن روی داده‌های واقعی و آینده است.

scikit-learn یک تابع برای این کار در اختیار شما قرار می‌دهد:

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
)

این تابع چهار بخش را همیشه به همین ترتیب بازمی‌گرداند: ویژگی‌های آموزش، ویژگی‌های آزمون، برچسب‌های آموزش، برچسب‌های آزمون. دو آرگومان اهمیت دارند:

  • test_size=0.2 ۲۰ درصد را برای تست کنار می‌گذارد و ۸۰ درصد را برای آموزش نگه می‌دارد.
  • random_state=0 ترتیب داده‌ها را ثابت می‌کند تا در هر اجرا، تقسیم‌بندی یکسانی داشته باشید. بدون آن، تقسیم‌بندی هر بار تصادفی است و نتایج شما دچار نوسان شده و قابل بررسی نخواهند بود. در تمام این دوره، همیشه پارامتر random_state=0.

از این پس یک قانون سخت‌گیرانه: شما می‌توانید روی مجموعه آموزشی آموزش دهید، اما فقط روی مجموعه آزمون نمره دهید. هرگز نمره‌ای را از داده‌هایی که مدل روی آن‌ها آموزش دیده است گزارش نکنید.

نوبت شما

آرایه‌ها X (۱۰ سطر، ۲ ستون) و y (۱۰ برچسب) داده شده‌اند. استفاده کنید train_test_split با test_size=0.2 و random_state=0 برای به دست آوردن X_train, X_test, y_train, y_test. سپس تنظیم کنید n_train را روی تعداد سطرهای آموزشی و n_test را روی تعداد سطرهای آموزشی و را روی تعداد سطرهای آزمایشی تنظیم کنید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.