Insiemi di addestramento e test

Fa parte della sezione Apprendimento supervisionato del percorso Machine Learning di Coddy. Lezione 2 di 58.

Un modello può memorizzare le righe che ha studiato, quindi testarlo su di esse non dimostra nulla. Nascondi invece alcune righe: il set di test rappresenta i nuovi dati.

Dodici righe numerate in ordine vengono mescolate e distribuite: nove celle blu, 10 2 8 1 7 9 3 0 5, etichettate train, e tre celle arancioni, 6 11 4, etichettate test

Il primo modello di questo percorso ha studiato 112 fiori di iris e ne ha identificati 38. Questa riga li ha suddivisi:

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)

Stampa (112, 4) (38, 4). Le quattro parti sono sempre in questo ordine e random_state=0 fa sì che il rimescolamento si ripeta.

Addestra il modello sul set di addestramento. Apri il set di test una sola volta, alla fine.

Sfida

Facile

Una fotocamera notturna in un bosco ha immortalato 200 animali, ciascuno una volpe o un tasso, in camera.csv. Una suddivisione darà un test equo? Il codice iniziale crea X e y e legge test_size.

Suddividi i dati usando quel test_size e random_state=0.
Stampa le dimensioni come mostrato sotto.
Stampa la percentuale di volpi in ciascuna parte, in percentuali intere.

Per un altro bosco e 0.25:

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

Provalo tu

import pandas as pd

# Una riga per ogni scatto della fotocamera notturna
camera = pd.read_csv("camera.csv")
X = camera[["minutes_after_sunset", "length_cm", "speed_kmh"]]
y = camera["animal"]
test_size = float(input())

# Scrivi il tuo codice qui sotto