Train/Test स्प्लिट
ओवरफिटिंग से बचने के लिए, मशीन लर्निंग में डेटा को ट्रेन और टेस्ट डेटासेट्स में बाँटना आम प्रैक्टिस है. यह इसलिए किया जाता है ताकि मॉडल नए, पहले न देखे गए डेटा पर सही भविष्यवाणी कर सके.
क्योंकि हम टाइम-सीरीज़ डेटा के साथ काम कर रहे हैं, हम रैंडम स्प्लिट मेथड्स का उपयोग नहीं कर सकते, क्योंकि इससे मॉडल को भविष्य की जानकारी मिल जाएगी.
DataFrame की शुरुआत और अंत दिखाने के लिए एक फंक्शन show_start_end() उपलब्ध है, जो केवल एक DataFrame आर्ग्युमेंट लेता है और एक स्ट्रिंग लौटाता है.
डेटा environment के रूप में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में IoT डेटा का विश्लेषण
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define the split day
limit_day = ____
# Split the data
train_env = ____[____]
test_env = ____[____]