KFold-korsvalidering
När du arbetar med maskininlärningsmodeller är det viktigt att utvärdera deras prestanda på osedd data. En vanlig teknik för detta är k-faldig korsvalidering. I den här övningen utforskar du hur k-faldig korsvalidering delar upp en datamängd i tränings- och testmängder. KFold är redan importerat, liksom särdragen från hjärtsjukdomsdatamängden, heart_disease_df_X.
Den här övningen är en del av kursen
End-to-End Machine Learning
Övningsinstruktioner
- Skapa ett KFold-objekt med
n_splits=5,shuffle=Trueochrandom_state=42 - Dela upp data med hjälp av
kfold.split() - Skriv ut antalet datapunkter i tränings- och testuppdelningarna
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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:", ____)