Стратифицированная выборка

Вы уже знаете, что распределение меток классов в столбце category_desc набора данных volunteer неравномерно. Если вы хотите обучить модель для предсказания category_desc, необходимо убедиться, что обучение проходит на данных, репрезентативных для всего набора. Стратифицированная выборка — именно то, что здесь поможет!

Это упражнение является частью курса

Предобработка данных для машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

Создайте DataFrame признаков X, включив в него все столбцы, кроме category_desc.
Создайте DataFrame меток y из столбца category_desc.
Разделите X и y на обучающую и тестовую выборки, обеспечив одинаковое распределение классов меток в обеих частях.
Выведите метки и количество вхождений в y_train с помощью .value_counts().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____[____].____)

Редактировать и запускать код