<\/p>\n
Bij het aanpassen van machine learning-modellen aan datasets verdelen we de dataset vaak in twee sets:<\/span><\/p>\n 1. Trainingsset:<\/strong> gebruikt om het model te trainen (70-80% van de originele dataset)<\/span><\/p>\n 2. Testset:<\/strong> gebruikt om een onbevooroordeelde schatting van de modelprestaties te verkrijgen (20-30% van de oorspronkelijke dataset)<\/span><\/p>\n In Python zijn er twee veelgebruikte manieren om een Panda DataFrame op te splitsen in een trainingsset en een testset:<\/span><\/p>\n Methode 1: Gebruik train_test_split() van sklearn<\/strong><\/span><\/p>\n Methode 2: gebruik sample() van panda’s<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n De volgende code laat zien hoe u de functie train_test_split()<\/strong> van sklearn<\/strong> gebruikt om het Panda DataFrame op te splitsen in trainings- en testsets:<\/span><\/span><\/p>\n Uit het resultaat kunnen we zien dat er twee sets zijn gemaakt:<\/span><\/p>\n Houd er rekening mee dat test_size<\/strong> het percentage waarnemingen uit het oorspronkelijke DataFrame bepaalt dat tot de testset zal behoren, en dat de waarde van random_state<\/strong> de splitsing reproduceerbaar maakt.<\/span><\/p>\n De volgende code laat zien hoe u de pandas<\/b> sample()<\/strong> -functie kunt gebruiken om het panda’s DataFrame op te splitsen in trainings- en testsets:<\/span><\/p>\n Uit het resultaat kunnen we zien dat er twee sets zijn gemaakt:<\/span><\/p>\n Houd er rekening mee dat frac<\/b> het percentage waarnemingen uit het oorspronkelijke DataFrame bepaalt dat tot de trainingsset zal behoren, en dat de waarde random_state<\/strong> de splitsing reproduceerbaar maakt.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in Python kunt uitvoeren:<\/span><\/p>\n Hoe logistieke regressie uit te voeren in Python<\/a> Bij het aanpassen van machine learning-modellen aan datasets verdelen we de dataset vaak in twee sets: 1. Trainingsset: gebruikt om het model te trainen (70-80% van de originele dataset) 2. Testset: gebruikt om een onbevooroordeelde schatting van de modelprestaties te verkrijgen (20-30% van de oorspronkelijke dataset) In Python zijn er twee veelgebruikte manieren om een […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3122","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n from<\/span> sklearn. model_selection<\/span> import<\/span> train_test_split\n\ntrain, test = train_test_split(df, test_size= 0.2<\/span> , random_state= 0<\/span> )<\/strong><\/pre>\n train = df. sample<\/span> (frac= 0.8<\/span> , random_state= 0<\/span> )\ntest = df. drop<\/span> ( train.index<\/span> )<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seeds<\/span> (1)\n\n#create DataFrame with 1,000 rows and 3 columns\n<\/span>df = pd. DataFrame<\/span> (<\/span> {' x1<\/span> ': np.random.randint<\/span> (30,size=1000),\n ' x2<\/span> ': np. random<\/span> . randint<\/span> (12, size=1000),\n ' y<\/span> ': np. random<\/span> . randint<\/span> (2, size=1000)})\n\n#view first few rows of DataFrame<\/span>\ndf. head<\/span> ()\n\n x1 x2 y\n0 5 1 1\n1 11 8 0\n2 12 4 1\n3 8 7 0\n4 9 0 0\n<\/strong><\/pre>\n Voorbeeld 1: gebruik train_test_split() van sklearn<\/strong><\/span><\/h3>\n
from<\/span> sklearn. model_selection<\/span> import<\/span> train_test_split\n\n#split original DataFrame into training and testing sets\n<\/span>train, test = train_test_split(df, test_size= 0.2<\/span> , random_state= 0<\/span> )\n\n#view first few rows of each set<\/span>\nprint<\/span> ( train.head<\/span> ())\n\n x1 x2 y\n687 16 2 0\n500 18 2 1\n332 4 10 1\n979 2 8 1\n817 11 1 0\n\nprint<\/span> ( test.head<\/span> ())\n\n x1 x2 y\n993 22 1 1\n859 27 6 0\n298 27 8 1\n553 20 6 0\n672 9 2 1\n\n#print size of each set<\/span>\nprint<\/span> (train. shape<\/span> , test. shape<\/span> )\n\n(800, 3) (200, 3)\n<\/strong><\/pre>\n\n
Voorbeeld 2: Gebruik sample() van panda’s<\/strong><\/span><\/h3>\n
#split original DataFrame into training and testing sets\n<\/span>train = df. sample<\/span> (frac= 0.8<\/span> , random_state= 0<\/span> )\ntest = df. drop<\/span> ( train.index<\/span> )\n\n#view first few rows of each set<\/span>\nprint<\/span> ( train.head<\/span> ())\n\n x1 x2 y\n993 22 1 1\n859 27 6 0\n298 27 8 1\n553 20 6 0\n672 9 2 1\n\nprint<\/span> ( test.head<\/span> ())\n\n x1 x2 y\n9 16 5 0\n11 12 10 0\n19 5 9 0\n23 28 1 1\n28 18 0 1\n\n#print size of each set<\/span>\nprint<\/span> (train. shape<\/span> , test. shape<\/span> )\n\n(800, 3) (200, 3)\n<\/strong><\/pre>\n\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe je een verwarringsmatrix cre\u00ebert in Python<\/a>
Hoe gebalanceerde precisie in Python te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"