Kā sadalīt datus slāņos validācijai?

Datu stratifikācija validācijas laikā ir nepieciešama, lai saglabātu klases vai citas svarīgas īpašības proporcijas apmācību un testu kopās. Tas ir īpaši svarīgi nelīdzsvarotos datos.

Kā sadalīt datus slāņos:

1. Identificējiet galveno īpašību stratifikācijai (piemēram, mērķa klasi).
2. Izmantojiet stratificētas sadalīšanas metodes, piemēram, StratifiedKFold vai train_test_split ar stratify parametru scikit-learn.

Piemērs ar 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
)

Šādi nodrošināsiet, ka klases sadalījums apmācību un testu kopās būs vienāds, kas uzlabos modeļa novērtējuma kvalitāti.