Varierea dimensiunii setului de antrenament
Dimensiunea seturilor de antrenament și testare influențează performanța modelului. Modelele învață mai bine când au mai multe date de antrenament. Există însă riscul ca acestea să se supraajusteze pe datele de antrenament și să nu generalizeze bine pe date noi – prin urmare, pentru a evalua corect capacitatea de generalizare a modelului, ai nevoie de suficiente date de testare. Există, astfel, un echilibru important de găsit între cât folosești pentru antrenament și cât păstrezi pentru testare.
Până acum, ai folosit 70% din date pentru antrenament și 30% pentru testare. Hai să folosim acum 80% din date pentru antrenament și să vedem cum se schimbă performanța modelului.
Acest exercițiu face parte din cursul
Marketing Analytics: Predicția abandonului clienților în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = ____