Zbiory treningowe i testowe

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 2 z 58.

Model może zapamiętać wiersze, na których się uczył, więc testowanie go na nich niczego nie dowodzi. Zamiast tego ukryj część wierszy: zbiór testowy reprezentuje nowe dane.

Dwanaście ponumerowanych wierszy w kolejności zostaje potasowanych i rozdanych: dziewięć niebieskich komórek, 10 2 8 1 7 9 3 0 5, oznaczonych jako treningowe, oraz trzy pomarańczowe komórki, 6 11 4, oznaczone jako testowe

Pierwszy model na tej ścieżce zbadał 112 kwiatów irysa i nazwał 38. Ten wiersz rozdzielił je na zbiory:

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)

Wypisuje to (112, 4) (38, 4). Te cztery części zawsze występują w tej kolejności, a random_state=0 sprawia, że tasowanie się powtarza.

Trenuj na zbiorze treningowym. Otwórz zbiór testowy raz, na końcu.

Wyzwanie

Łatwy

Nocna kamera w lesie uchwyciła 200 zwierząt — każdego z nich jako lisa lub borsuka — w pliku camera.csv. Czy podział zapewni uczciwy test? Kod początkowy tworzy X i y oraz odczytuje test_size.

Podziel dane, używając wartości test_size i random_state=0.
Wypisz rozmiary tak jak poniżej.
Wypisz udział lisów w każdej części, w pełnych procentach.

Dla innego lasu i wartości 0.25:

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

Spróbuj swoich sił

import pandas as pd

# Jeden wiersz na każde zdjęcie z kamery nocnej
camera = pd.read_csv("camera.csv")
X = camera[["minutes_after_sunset", "length_cm", "speed_kmh"]]
y = camera["animal"]
test_size = float(input())

# Wpisz swój kod poniżej