Silabus Pelajaran 103 dari 246 · Modul 9: Apakah benar-benar lebih baik?
Modul 9: Apakah benar-benar lebih baik?

Pemisahan dan kebocoran

Kenapa ini penting Jika ada informasi dari data uji yang masuk ke pelatihan, skor uji bukan lagi sebuah uji. Ini adalah cara paling umum orang jujur mempublikasikan angka yang salah.

Aturannya: set pengujian tidak boleh terlibat dalam keputusan apa pun, termasuk preprocessing. Tiga cara ia menyelinap masuk:

  • Skalakan dengan semua data.Hitung rata-rata dan penyebaran di setiap baris, termasuk baris uji, mari uji bagaimana nilai membentuk input pelatihan. Kecil, tapi nyata.
  • Memilih fitur dengan semua label. Memilih fitur yang paling berkorelasi dengan label, dengan menggunakan label tes juga, bisa membuat noise murni terlihat prediktif. Hal ini bisa sangat besar.
  • Duplikat di seluruh pembagian. Contoh yang sama di kedua set: model diuji pada sesuatu yang sudah ia hafal.

Leakage: informasi tes yang sampai ke proses pelatihan, membuat skor terlihat lebih baik dari aslinya.

Giliranku

Atur leaky ke dictionary yang menyatakan pipeline mana dari ketiganya yang bocor. Lalu tulis pipeline_3_fixed(X, y): ide yang sama, memilih 5 fitur hanya menggunakan 200 baris pertama.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.