{"id":3121,"date":"2023-07-19T03:04:16","date_gmt":"2023-07-19T03:04:16","guid":{"rendered":"https:\/\/statorials.org\/pt\/teste-de-trem-panda\/"},"modified":"2023-07-19T03:04:16","modified_gmt":"2023-07-19T03:04:16","slug":"teste-de-trem-panda","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/teste-de-trem-panda\/","title":{"rendered":"Como criar um conjunto de treinamento e teste a partir de um dataframe do pandas"},"content":{"rendered":"

<\/p>\n

\n

Ao ajustar modelos de aprendizado de m\u00e1quina<\/a> a conjuntos de dados, geralmente dividimos o conjunto de dados em dois conjuntos:<\/span><\/p>\n

1. Conjunto de treinamento:<\/strong> usado para treinar o modelo (70-80% do conjunto de dados original)<\/span><\/p>\n

2. Conjunto de testes:<\/strong> usado para obter uma estimativa imparcial do desempenho do modelo (20-30% do conjunto de dados original)<\/span><\/p>\n

Em Python, existem duas maneiras comuns de dividir um DataFrame do pandas em um conjunto de treinamento e um conjunto de teste:<\/span><\/p>\n

M\u00e9todo 1: use train_test_split() do sklearn<\/strong><\/span><\/p>\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
 M\u00e9todo 2: use sample() de pandas<\/strong><\/span><\/p>\n
 train = df. sample<\/span> (frac= 0.8<\/span> , random_state= 0<\/span> )\ntest = df. drop<\/span> ( train.index<\/span> )<\/strong><\/pre>\n
 Os exemplos a seguir mostram como usar cada m\u00e9todo com o seguinte DataFrame do pandas:<\/span><\/p>\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
 Exemplo 1: use train_test_split() do sklearn<\/strong><\/span><\/h3>\n
 O c\u00f3digo a seguir mostra como usar a fun\u00e7\u00e3o train_test_split()<\/strong> do sklearn<\/strong> para dividir o DataFrame do pandas em conjuntos de treinamento e teste:<\/span><\/span><\/p>\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
 Pelo resultado podemos ver que dois conjuntos foram criados:<\/span><\/p>\n