เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การแบ่งพาร์ติชันข้อมูล

การประเมินโมเดลอย่างถูกต้องสามารถทำได้โดยแบ่งข้อมูลออกเป็นชุด train และชุดทดสอบ ชุด train ใช้สำหรับสร้างโมเดล ส่วนชุดทดสอบใช้สำหรับประเมินผล การแบ่งนี้ทำแบบสุ่ม แต่เมื่อ target incidence มีค่าต่ำ อาจจำเป็นต้องใช้การ stratify เพื่อให้แน่ใจว่าทั้งสองชุดมีสัดส่วนของ target เท่ากัน

ในแบบฝึกหัดนี้ คุณจะแบ่งข้อมูลโดยใช้การ stratify และตรวจสอบว่าชุด train และชุดทดสอบมี target incidence เท่ากัน โดย method train_test_split ถูก import มาแล้ว และ DataFrame X กับ y พร้อมใช้งานใน workspace ของคุณ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์เชิงพยากรณ์เบื้องต้นด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แบ่ง DataFrame เหล่านี้โดยใช้ method train_test_split พร้อมการ stratify ให้ชุด train และชุดทดสอบมีขนาดเท่ากันและมี target incidence เท่ากัน
  • คำนวณ target incidence ของชุด train โดยหารจำนวน target ในชุด train ด้วยจำนวน observation ทั้งหมดในชุด train
  • คำนวณ target incidence ของชุดทดสอบ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Load the partitioning module
from sklearn.model_selection import train_test_split

# Create DataFrames with variables and target
X = basetable.drop("target", 1)
y = basetable["target"]

# Carry out 50-50 partititioning with stratification
X_train, X_test, y_train, y_test = ____(X, y, test_size = ____, stratify = ____)

# Create the final train and test basetables
train = pd.concat([X_train, y_train], axis=1)
test = pd.concat([X_test, y_test], axis=1)

# Check whether train and test have same percentage targets
print(round(sum(train[____])/len(____), 2))
print(round(sum(test[____])/len(____), 2))
แก้ไขและรันโค้ด