بلاگ

پایگـاه اطلاعات علمی جهاد دانشگاهی

آشنایی با داده train و test


sklearn.model_selection.train_test_split(*arrays, **options)

این تابع برای تقسیم داده‌ها به دو مجموع آموزش و آزمون استفاده می‌شود. پارامترهای اول تابع آرایه‌های مورد نظر برای تقسیم هستند. در این قسمت می‌توانیم هر چند آرایه که لازم است را وارد کنیم. سایر پارامترهای تابع شامل test_size، train_size، random_state، shuffle و stratify هستند. پارامتر اول مربوط به بهم زدن داده‌ها است تا ترتیب‌های احتمالی تصادفی در داده‌ها را از بین ببریم(مقدار پیش‌فرض True). پارامتر دوم مربوط به هسته‌ای است که توسط تابع تولید عدد تصادفی استفاده می‌شود. با تنظیم این پارامتر به یک مقدار ثابت نتایج آزمایش‌ها تکرار پذیر می‌شود. دو پارامتر بعدی که مقداری بین 0.0 و 1.0 هستند، به ترتیب اندازه داده‌های آموزش و آزمون را مشخص می‌کنند. به صورت پیش‌فرض یک چهارم داده‌ها به عنوان داده‌های آزمون انتخاب می‌شود. آخرین پارامتر مربوط به درصد هر یک از کلاس‌ها در قسمت‌های آموزش و آزمون است. اگر یک آرایه به این پارامتر ارسال شود بر اساس آن سهم هر کلاس در داده‌های آموزش و آزمون مشخص خواهد شد(مثال دوم و سوم را ببینید).

import numpy as np
from sklearn.model_selection import train_test_split
x = np.random.rand(500)
y = np.random.rand(500)
train_data, test_data, train_label, test_label = train_test_split(x,y)
print(len(train_data), len(test_data), len(train_label), len(test_label))

نتیجه

375 125 375 125

 

:آزمون
 

x = ['a','b','c','d','a','b','c','d','a','b','c','d']
y = [1,2,1,1,2,1,1,1,1,1,2,2]
train_data, test_data, train_label, test_label = train_test_split(x,y)
print(train_data, test_data, train_label, test_label)

نتیجه:

['c', 'b', 'b', 'a', 'd', 'c', 'd', 'a', 'b'] ['c', 'a', 'd'] [1, 2, 1, 2, 2, 2, 1, 1, 1] [1, 1, 1]

:آزمون

x = ['a','b','c','d','a','b','c','d','a','b','c','d']
y = [1,2,1,1,2,1,1,1,1,1,2,2]
train_data, test_data, train_label, test_label = train_test_split(x,y, stratify=y)
print(train_data, test_data, train_label, test_label)

نتیجه:

['a', 'b', 'd', 'd', 'a', 'c', 'b', 'd', 'c'] ['b', 'c', 'a'] [1, 2, 2, 1, 1, 1, 1, 1, 2] [1, 1, 2]

دوره آموزشی متن کاوی با پایتون مقدماتی (مجازی)

کدام وب سایت ها از پایتون استفاده می کنند

پست های مرتبط

LSTM چیست؟

تاریخ: 1401/02/24

بازدید: 798

1401

زمان مطالعه: 5 دقیقه

Long short-term memory (LSTM) ، یک شبکه عصبی مصنوعی است که در حوزه های موضوعی هوش مصنوعی و یادگیری عمیق به کار گرفته می شود.

مدرس

@ins

بررسی تحلیلی موضوعات "زبان فارسی" و "فردوسی" در پایگاه SID به مناسبت پاسداشت زبان فارسی و بزرگداشت حکیم ابوالقاسم فردوسی

تاریخ: 1400/02/25

بازدید: 3657

1400

زمان مطالعه: 5 دقیقه دقیقه

براساس گزارش مرکز اطلاعات علمی جهاددانشگاهی، مقاله‌های علمی فارسی پربازدید با کلیدواژه‌های "زبان فارسی" یا "فردوسی" در بازه هزارروزه معرفی شدند.

مدرس

@ins

چند مجموعه یا خورجین

تاریخ: 1400/04/01

بازدید: 1079

1400

زمان مطالعه: 5 دقیقه دقیقه

آشنایی با ریاضی

مدرس

@ins

چگونه در بیب اکسل ماتریس هم آیندی ایجاد کنیم؟

تاریخ: 1400/01/14

بازدید: 1911

1400

زمان مطالعه: 5 دقیقه دقیقه

نرم افزار بیب اکسل

مدرس

@ins

جستجوی حریصانه

تاریخ: 1400/01/12

بازدید: 1439

1400

زمان مطالعه: 5 دقیقه دقیقه

مدرس

@ins

قضیه حد مرکزی

تاریخ: 1400/01/03

بازدید: 5888

1400

زمان مطالعه: 5 دقیقه دقیقه

Central limit theorem

مدرس

@ins

ماتریس تحول چیست؟

تاریخ: 1399/12/23

بازدید: 1627

1399

زمان مطالعه: 5 دقیقه دقیقه

Transition Matrix

مدرس

@ins

دسترسی رایگان به مجموعه داده ها

تاریخ: 1401/03/01

بازدید: 1777

1401

زمان مطالعه: 3 دقیقه

در فرآیند یادگیری ماشین ، محقق برای انجام کارهای مورد نظر خود نیاز به مجموعه داده استاندارد دارد . در این پست به معرفی یکی از پایگاه هایی که به طور رایگان ، مجموعه داده را در اختیار محققان قرار می دهد می پردازیم .

مدرس

@ins

زیرشمولی و فراشملوی

تاریخ: 1400/01/16

بازدید: 741

1400

زمان مطالعه: 5 دقیقه دقیقه

مدرس

@ins

اینفوگرافی استفاده از روشهای یادگیری عمیق در تحلیل احساس

تاریخ: 1397/06/13

بازدید: 647

1397

زمان مطالعه: 5 دقیقه دقیقه

اینفوگرافی

مدرس

@ins