Перекрёстная проверка KFold

При работе с моделями машинного обучения важно оценивать их производительность на новых данных. Одним из распространённых методов для этого является k-блочная перекрёстная проверка. В этом упражнении вы изучите, как этот метод разбивает набор данных на обучающую и тестовую выборки. Класс KFold, а также признаки набора данных о сердечных заболеваниях heart_disease_df_X уже импортированы.

Это упражнение является частью курса

Сквозное машинное обучение

Посмотреть курс

Инструкции к упражнению

Создайте объект KFold с параметрами n_splits=5, shuffle=True и random_state=42
Разбейте данные с помощью kfold.split()
Выведите количество точек данных в обучающей и тестовой выборках

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create a KFold object
kfold = ____(____, ____, ____)

# Get the train and test data from the first split from the shuffled KFold
train_data_split, test_data_split = next(____.____(____))

# Print out the number of datapoints in the train and test splits
print("Number of training datapoints in heart_disease_df_X:", ____)
print("Number of training datapoints in split:", ____)
print("Number of testing datapoints in split:", ____)

Редактировать и запускать код