როგორ დავყოთ მონაცემები სტრატებში ვალიდაციისთვის?

მონაცემთა სტრატიფიკაცია ვალიდაციის დროს აუცილებელია, რათა შეინარჩუნოს კლასების ან სხვა მნიშვნელოვანი მახასიათებლების პროპორციები სასწავლო და ტესტის ნაკრებებში. ეს განსაკუთრებით მნიშვნელოვანია არათანასწორ მონაცემებში.

როგორ დავყოთ მონაცემები სტრატებად:

1. განსაზღვრეთ სტრატიფიკაციის ძირითადი მახასიათებელი (მაგ., სამიზნე კლასი).
2. გამოიყენეთ სტრატიფიცირებული განაწილების მეთოდები, როგორიცაა StratifiedKFold ან train_test_split, სადაც გამოიყენება stratify პარამეტრი scikit-learn-ში.

მაგალითი scikit-learn-თან:

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
)

ამ გზით უზრუნველყოფთ, რომ კლასების განაწილება სასწავლო და ტესტის ნაკრებებში იქნება ერთნაირი, რაც გაუმჯობესებს მოდელის შეფასების ხარისხს.