مجموعتا التدريب والاختبار

جزء من قسم التعلّم الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 2 من 58.

يمكن للنموذج أن يحفظ الصفوف التي تدرب عليها، لذا فإن اختباره عليها لا يثبت شيئًا. أخفِ بعض الصفوف بدلًا من ذلك: تمثّل مجموعة الاختبار بيانات جديدة.

تُخلط اثنا عشر صفًا مُرقّمًا بالترتيب وتُوزّع: تسع خلايا زرقاء، 10 2 8 1 7 9 3 0 5، معنونة بالتدريب، وثلاث خلايا برتقالية، 6 11 4، معنونة بالاختبار

درس النموذج الأول في هذه الرحلة 112 زهرة سوسن، وصنّف 38 منها. وزّعها هذا السطر:

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris = load_iris()
X = iris.data
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)
print(X_train.shape, X_test.shape)

يطبع هذا (112, 4) (38, 4). تأتي الأجزاء الأربعة دائمًا بهذا الترتيب، ويجعل random_state=0 عملية الخلط قابلة للتكرار.

درّب على مجموعة التدريب. افتح مجموعة الاختبار مرة واحدة، في النهاية.

التحدي

سهل

التقطت كاميرا ليلية في غابة صورًا لـ 200 حيوان، كلٌّ منها إما ثعلب أو غرير، في camera.csv. هل سيؤدي التقسيم إلى اختبار عادل؟ ينشئ الكود المبدئي X وy ويقرأ test_size.

قسّم البيانات باستخدام test_size وrandom_state=0.
اطبع الأحجام كما هو موضّح أدناه.
اطبع نسبة الثعالب في كل جزء، بأعداد صحيحة من النسب المئوية.

لغابة أخرى و0.25:

Train: 90 snapshots
Test: 30 snapshots
Foxes: 52% of train, 47% of test

جرّب بنفسك

import pandas as pd

# صف واحد لكل لقطة من الكاميرا الليلية
camera = pd.read_csv("camera.csv")
X = camera[["minutes_after_sunset", "length_cm", "speed_kmh"]]
y = camera["animal"]
test_size = float(input())

# اكتب التعليمات البرمجية أدناه