Wie teilt man die Daten für die Validierung in Schichten auf?

Datenstratifizierung bei der Validierung ist notwendig, um die Verhältnisse der Klassen oder anderer wichtiger Merkmale in den Trainings- und Testdatensätzen beizubehalten. Dies ist besonders bei unausgewogenen Daten wichtig.

So teilt man Daten in Schichten:

1. Identifizieren Sie das Schlüsselkriterium für die Stratifikation (z.B. die Zielklasse).
2. Verwenden Sie stratified Methoden wie StratifiedKFold oder train_test_split mit dem Parameter stratify in scikit-learn.

Beispiel mit 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
)

Damit stellen Sie sicher, dass die Klassenverteilung in Trainings- und Testdaten gleich bleibt, was die Modellbewertung verbessert.