Amostragem estratificada

Agora você sabe que a distribuição dos rótulos de classe na coluna category_desc do conjunto de dados volunteer é desigual. Se você quiser treinar um modelo para prever category_desc, precisará garantir que o modelo seja treinado em uma amostra de dados que seja representativa de todo o conjunto de dados. A amostragem estratificada é uma maneira de conseguir isso!

Este exercício faz parte do curso

Pré-processamento para aprendizado de máquina em Python

Ver curso

Instruções do exercício

Crie um DataFrame de recursos, X, com todas as colunas, exceto category_desc.
Crie um DataFrame de rótulos, y a partir da coluna category_desc.
Divida X e y em conjuntos de treinamento e teste, garantindo que a distribuição de classes nos rótulos seja a mesma em ambos os conjuntos
Imprima os rótulos e as contagens em y_train usando .value_counts().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(____[____].____)

Editar e executar o código