Tạo hai tập holdout
Gần đây bạn đã tạo một mô hình random forest đơn giản để dự đoán ván thắng trong trò Tic-Tac-Toe cho sếp, và theo yêu cầu của cô ấy, bạn không tinh chỉnh tham số. Đáng tiếc, độ chính xác tổng thể của mô hình lại thấp hơn kỳ vọng của cô ấy. Lần này, cô ấy muốn bạn tập trung vào hiệu suất mô hình.
Trước khi bắt đầu thử các mô hình và bộ tham số khác nhau, bạn cần chia dữ liệu thành các tập huấn luyện (training), xác thực (validation) và kiểm tra (testing). Hãy nhớ rằng sau khi chia dữ liệu thành tập huấn luyện và kiểm tra, tập xác thực sẽ được tạo bằng cách tiếp tục chia từ tập huấn luyện.
Các tập dữ liệu X và y đã được nạp sẵn để bạn sử dụng.
Bài tập này là một phần của khóa học
Xác thực Mô hình trong Python
Hướng dẫn bài tập
- Tạo các tập dữ liệu tạm thời và các tập kiểm tra (
X_test,y_test). Dùng 20% tổng dữ liệu cho các tập kiểm tra. - Từ các tập tạm thời (
X_temp,y_temp), tạo các tập huấn luyện (X_train,y_train) và xác thực (X_val,y_val). - Dùng 25% dữ liệu tạm thời cho các tập xác thực.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Create temporary training and final testing datasets
X_temp, ____, y_temp, ____ =\
train_test_split(X, y, ____=____, random_state=1111)
# Create the final training and validation datasets
____, ____, ____, ____ =\
train_test_split(X_temp, y_temp, ____=____, random_state=1111)