Jak rozdělit data na vrstvy pro validaci?

Stratifikace dat při validaci je nutná k zachování poměrů tříd nebo jiných důležitých znaků v tréninkových a testovacích sadách. To je obzvláště důležité u nevyvážených dat.

Jak rozdělit data do vrstev:

1. Určete klíčový znak pro stratifikaci (například cílovou třídu).
2. Použijte metody stratifikovaného rozdělení, například StratifiedKFold nebo train_test_split s parametrem stratify v scikit-learn.

Příklad s scikit-learn:

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, stratify=y, random_state=42
)

Tím zajistíte, že rozložení tříd v tréninkových a testovacích sadách bude stejné, což zlepší kvalitu hodnocení modelu.