Pengambilan sampel berstrata

Sekarang Anda mengetahui bahwa distribusi label kelas pada kolom category_desc di himpunan data volunteer tidak seimbang. Jika Anda ingin melatih model untuk memprediksi category_desc, Anda harus memastikan bahwa model dilatih pada sampel data yang mewakili seluruh himpunan data. Pengambilan sampel berstrata adalah salah satu cara untuk mencapainya!

Latihan ini adalah bagian dari kursus

Prapemrosesan untuk Machine Learning di Python

Lihat Kursus

Petunjuk latihan

Buat DataFrame fitur, X, dengan semua kolom kecuali category_desc.
Buat DataFrame label, y, dari kolom category_desc.
Bagi X dan y menjadi himpunan latih dan uji, dengan memastikan distribusi kelas pada label sama pada kedua himpunan tersebut
Cetak label dan jumlahnya di y_train menggunakan .value_counts().

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Create a DataFrame with all columns except category_desc
X = volunteer.____(____, axis=____)

# Create a category_desc labels dataset
y = ____[[____]]

# Use stratified sampling to split up the dataset according to the y dataset
X_train, X_test, y_train, y_test = ____(____, ____, ____, random_state=42)

# Print the category_desc counts from y_train
print(____[____].____)

Edit dan Jalankan Kode