पाठ्यक्रम 250 में से पाठ 87 · आपके पहले मशीन लर्निंग मॉडल
आपके पहले मशीन लर्निंग मॉडल

Train/Test split: ईमानदार माप

मशीन लर्निंग की यह अकेली सबसे ज़रूरी आदत है। अगर आप एक मॉडल train करके फिर उसी डेटा पर टेस्ट करते हैं, तो आप कुछ काम का नहीं सीखते। कोई मॉडल पहले देखे जवाब याद करके ही पूरे अंक ला सकता है। यह किसी छात्र को ठीक उन्हीं सवालों पर ग्रेड करने जैसा है जो उसने पढ़े थे: यह याददाश्त मापता है, समझ नहीं।

इलाज है कुछ डेटा पीछे रखना। आप उसके ज़्यादातर हिस्से पर train करते हैं, फिर उन पंक्तियों पर test करते हैं जो मॉडल ने कभी नहीं देखीं। test पर प्रदर्शन आपका ईमानदार अनुमान है कि यह असली, भविष्य के डेटा पर कैसा करेगा।

scikit-learn इसके लिए आपको एक फ़ंक्शन देता है:

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
)

यह चार टुकड़े लौटाता है, हमेशा इसी क्रम में: train features, test features, train labels, test labels। दो आर्ग्युमेंट मायने रखते हैं:

  • test_size=0.2 20 प्रतिशत testing के लिए अलग रखता है और 80 प्रतिशत training के लिए।
  • random_state=0 फेंटने को तय कर देता है ताकि आपको हर बार वही split मिले। इसके बिना split हर बार रैंडम होता है, और आपके नतीजे डगमगाते और जाँचे नहीं जा सकते। इस पूरे कोर्स में हमेशा random_state=0 दें।

अब से एक सख़्त नियम: आप training set पर train कर सकते हैं, पर ग्रेड सिर्फ़ test set पर करते हैं। कभी उस डेटा का score न बताएँ जिस पर मॉडल ने train किया।

आपकी बारी

ऐरे X (10 पंक्तियाँ, 2 कॉलम) और y (10 labels) दिए गए हैं। X_train, X_test, y_train, y_test पाने के लिए test_size=0.2 और random_state=0 के साथ train_test_split इस्तेमाल करें। फिर n_train को training पंक्तियों की संख्या और n_test को test पंक्तियों की संख्या पर सेट करें।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।