Doğrulama için verileri nasıl tabakalara ayırırsınız?

Doğrulama sırasında veri katmanlaştırması, eğitim ve test setlerindeki sınıf oranlarını veya diğer önemli özellikleri korumak için gereklidir. Bu, dengesiz verilerde özellikle önemlidir.

Verileri katmanlara ayırma:

1. Katmanlaştırma için anahtar özelliği belirleyin (örneğin, hedef sınıf).
2. scikit-learn'de StratifiedKFold veya stratify parametresi ile train_test_split gibi katmanlı bölme yöntemlerini kullanın.

scikit-learn ile örnek:

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
)

Bu şekilde, eğitim ve test setlerindeki sınıf dağılımının aynı olmasını sağlayarak model değerlendirmesinin kalitesini artırırsınız.