1. Nauka
    2. /
  2. Kursy
    3. /
  3. End-to-End Machine Learning
Connected

ćwiczenie

Walidacja krzyżowa KFold

Podczas pracy z modelami uczenia maszynowego kluczowe jest ocenianie ich wydajności na nieznanych danych. Jedną z popularnych technik służących temu celowi jest walidacja krzyżowa k-fold. W tym ćwiczeniu sprawdzisz, w jaki sposób technika k-fold dzieli zbiór danych na części treningową i testową. Do dyspozycji masz już zaimportowaną klasę KFold oraz cechy zbioru danych dotyczącego chorób serca: heart_disease_df_X.

Instrukcje

100 XP
  • Utwórz obiekt KFold z parametrami n_splits=5, shuffle=True i random_state=42
  • Podziel dane za pomocą kfold.split()
  • Wypisz liczbę punktów danych w zbiorze treningowym i testowym