KFold cross validation

ในการทำงานกับโมเดล ML การประเมินประสิทธิภาพบนข้อมูลที่โมเดลไม่เคยเห็นมาก่อนถือเป็นสิ่งสำคัญ เทคนิคที่นิยมใช้สำหรับจุดประสงค์นี้คือ k-fold cross-validation ในแบบฝึกหัดนี้ จะได้สำรวจวิธีที่เทคนิค k-fold cross-validation แบ่งชุดข้อมูลออกเป็นชุดฝึกและชุดทดสอบ โดย KFold และฟีเจอร์ของชุดข้อมูลโรคหัวใจ heart_disease_df_X ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning แบบ End-to-End

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างออบเจกต์ KFold โดยกำหนด n_splits=5, shuffle=True และ random_state=42
แบ่งข้อมูลโดยใช้ kfold.split()
แสดงจำนวน datapoint ในส่วน train และ test ที่แบ่งได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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:", ____)

แก้ไขและรันโค้ด