Data Latih dan Data Uji

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 2 dari 58.

Model bisa menghafal baris yang dipelajarinya, jadi mengujinya dengan baris-baris itu tidak membuktikan apa pun. Sembunyikan beberapa baris: test set mewakili data baru.

Dua belas baris bernomor diacak dan dibagikan: sembilan sel biru, 10 2 8 1 7 9 3 0 5, berlabel train, dan tiga sel oranye, 6 11 4, berlabel test

Model pertama dalam perjalanan ini mempelajari 112 bunga iris dan memberi nama pada 38 bunga. Baris ini membagikannya:

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)

Ini mencetak (112, 4) (38, 4). Keempat bagian selalu muncul dalam urutan ini, dan random_state=0 membuat pengacakan berulang.

Latih model menggunakan training set. Buka test set sekali saja, di akhir.

Tantangan

Mudah

Kamera malam di hutan memotret 200 hewan, masing-masing rubah atau luak, di camera.csv. Apakah pembagian data akan menghasilkan pengujian yang adil? Kode awal membuat X dan y, lalu membaca test_size.

Bagi data menggunakan test_size tersebut dan random_state=0.
Cetak ukurannya seperti di bawah.
Cetak persentase rubah di setiap bagian, dalam persen bulat.

Untuk hutan lain dan 0.25:

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

Coba sendiri

import pandas as pd

# Satu baris untuk setiap jepretan dari kamera malam
camera = pd.read_csv("camera.csv")
X = camera[["minutes_after_sunset", "length_cm", "speed_kmh"]]
y = camera["animal"]
test_size = float(input())

# Tulis kodemu di bawah ini