Sari la conținutul principal

Meniu

Cercetare

Cum verifici acoperirea claselor înainte să accepți o împărțire pe grupuri

Limbă: Română

Ține exemplele înrudite în același grup dacă trebuie să rămână împreună când separi datele de antrenare de cele de test. Grupurile pot fi conversații, clienți sau alte unități ale evaluării. Înainte să alegi o metodă de împărțire, notează clasele necesare în fiecare subset de test și eventualele minime. Prezența claselor și echilibrul exact sunt cerințe diferite.

Verifică împărțirea obținută

Salvează repartizarea grupurilor și numără cazurile din fiecare clasă în fiecare subset de test. Verifică separat că grupurile rămân întregi și că toate clasele obligatorii sunt prezente. Dacă lipsește o clasă, amână acceptarea și vezi dacă altă repartizare a grupurilor întregi respectă cerința.

Într-un exemplu fictiv cu 24 de rânduri, StratifiedGroupKFold din scikit-learn 1.7.2 a folosit trei subseturi fără amestecare. Un set de ID-uri numerice de grup a dat perechile de valori (4, 2), (4, 6) și (4, 4). Inversarea ID-urilor a dat (4, 6), (4, 0) și (4, 6), păstrând rândurile, etichetele și apartenența la grupuri. Primul rezultat include toate clasele, dar nu este perfect echilibrat. Al doilea nu îndeplinește niciuna dintre cerințe. În exemplu era posibilă o repartizare exactă de (4, 4).

Verifică dacă cerința poate fi îndeplinită

Dacă toate clasele trebuie să apară în ambele subseturi, fiecare clasă trebuie să se găsească în cel puțin două grupuri independente. Verifică din ce grupuri face parte fiecare clasă ca să afli dacă toate pot apărea simultan în ambele subseturi.

În două exemple separate cu 12 rânduri, fiecare clasă apare în două grupuri, iar fiecare grup are două rânduri. Cele două grupuri ale fiecărei clase trebuie să ajungă în subseturi opuse. Când cele șase perechi formează un ciclu, grupurile pot fi repartizate alternativ. Când formează două triunghiuri, cele trei grupuri din fiecare triunghi ar trebui să fie toate în subseturi opuse unul față de altul. Fiecare triunghi impune o lipsă. Dintre cele 62 de repartizări în două subseturi denumite și nevide, două asigură acoperire completă pentru ciclu și niciuna pentru triunghiuri.

Alege o corecție care respectă ce rămâne fix

În exemplul cu două triunghiuri, în primul subset obținut lipsește clasa 5, iar în al doilea clasa 1. Dacă repartizarea actuală rămâne fixă, două grupuri independente noi pot completa separat golurile. Un grup întreg poate intra într-un singur subset de test.

Dacă grupurile existente se pot muta, poate fi suficient un singur grup nou. În exemplu funcționează nouă dintre cele 15 profiluri posibile cu două clase. Fiecare include câte o clasă din fiecare triunghi. Patru profiluri cer mutarea a cel puțin unui grup inițial, iar celelalte cinci cer cel puțin trei. Înainte de colectare, verifică ce clase conține grupul nou și ce mutări sunt permise.

Notează repartizarea acceptată, numărul de cazuri din fiecare subset și cum ai verificat că grupurile nu s-au împărțit. Creează o nouă versiune a evaluării dacă se schimbă lista cazurilor. Verificarea acoperirii confirmă numerele și apartenențele specificate. Verifică și celelalte criterii, inclusiv dacă acele cazuri reprezintă utilizarea propusă.

Validarea încrucișată pe grupuri în scikit-learn