Partitionierung
Um ein Modell korrekt zu bewerten, kann man die Daten in ein Train- und ein Test-Set aufteilen. Das Train-Set enthält die Daten, auf denen das Modell aufgebaut wird, und die Test-Daten werden zur Bewertung des Modells verwendet. Diese Aufteilung erfolgt zufällig, aber wenn die Zielrate niedrig ist, kann es notwendig sein zu stratifizieren, also sicherzustellen, dass Train- und Test-Daten den gleichen Prozentsatz an Zielen enthalten.
In dieser Übung teilst du die Daten mit Stratifizierung auf und überprüfst, dass Train- und Test-Daten die gleiche Zielrate haben. Die Methode train_test_split wurde bereits importiert, und die DataFrames X und y stehen dir in deinem Workspace zur Verfügung.
Diese Übung ist Teil des Kurses
Einführung in Predictive Analytics mit Python
Anleitung zur Übung
- Stratifiziere diese DataFrames mit der Methode
train_test_split. Achte darauf, dass Train- und Test-Set gleich groß sind und die gleiche Zielrate haben. - Berechne die Zielrate des Train-Sets. Das ist die Anzahl der Ziele im Train-Set geteilt durch die Anzahl der Beobachtungen im Train-Set.
- Berechne die Zielrate des Test-Sets.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Load the partitioning module
from sklearn.model_selection import train_test_split
# Create DataFrames with variables and target
X = basetable.drop("target", 1)
y = basetable["target"]
# Carry out 50-50 partititioning with stratification
X_train, X_test, y_train, y_test = ____(X, y, test_size = ____, stratify = ____)
# Create the final train and test basetables
train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)
# Check whether train and test have same percentage targets
print(round(sum(train[____])/len(____), 2))
print(round(sum(test[____])/len(____), 2))