Tworzenie dwóch zbiorów walidacyjnych
Niedawno zbudowano prosty model lasu losowego do przewidywania wyników gry w kółko i krzyżyk dla twojej przełożonej. Na jej prośbę nie przeprowadzono żadnego strojenia parametrów. Niestety, ogólna dokładność modelu okazała się zbyt niska według jej standardów. Tym razem poprosiła cię, abyś skupił się na wydajności modelu.
Zanim zaczniesz testować różne modele i zestawy parametrów, musisz podzielić dane na zbiory treningowy, walidacyjny i testowy. Pamiętaj, że po podziale danych na zbiory treningowy i testowy, zbiór walidacyjny tworzy się przez dalszy podział zbioru treningowego.
Zbiory danych X i y są już załadowane i gotowe do użycia.
To ćwiczenie jest częścią kursu
Walidacja modeli w Pythonie
Instrukcje do ćwiczenia
- Utwórz tymczasowe zbiory danych oraz zbiory testowe (
X_test,y_test). Przeznacz 20% wszystkich danych na zbiory testowe. - Używając tymczasowych zbiorów danych (
X_temp,y_temp), utwórz zbiory treningowe (X_train,y_train) i walidacyjne (X_val,y_val). - Przeznacz 25% danych tymczasowych na zbiory walidacyjne.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create temporary training and final testing datasets
X_temp, ____, y_temp, ____ =\
train_test_split(X, y, ____=____, random_state=1111)
# Create the final training and validation datasets
____, ____, ____, ____ =\
train_test_split(X_temp, y_temp, ____=____, random_state=1111)