拆分训练测试集 - 版本历史

Wurong：/* 节点使用指南 */

2024-01-24T06:05:47Z

节点使用指南

←上一版本		2024年1月24日 (三) 14:05的版本
第48行：		第48行：

	=='''节点使用指南'''==		=='''节点使用指南'''==
	* ~~最适用的场景：决策树可用于解决分类问题，其中目标是将数据分为不同的类别或预测数据的类别。~~		* 最适用的场景：一般用于所有的机器学习问题，其中目标是将数据分为不同的类别或预测数据的类别。
	* 处理的数据类型：结局变量为二分类，特征变量大多数为连续型的变量。		* 处理的数据类型：结局变量为二分类，特征变量大多数为连续型的变量。
	===变量配置===		===变量配置===
	* 选择特征变量：作为特征进行学习的变量（X），多选。
	* 选择目标变量：作为结局的二分类变量（y），单选。		* 选择目标变量：作为结局的二分类变量（y），单选。

	===参数配置===		===参数配置===
	* 设置随机数：控制模型的随机性。		* 设置随机数：控制模型的随机性。
	* ~~基础估计器选择：构建增强整体的基本估计器。默认基本估计器用决策树分类估计器，初始化最大深度为1。~~		* 设置测试集比例：设置测试集占整个数据的比例，一般可填0.8或0.7。
	** 决策树，
	** 支持向量机。
	* 估计器数量：默认为100。
	* Boosting算法选择：SAMME.~~R 算法通常比 SAMME 收敛得更快，从而通过更少的提升迭代实现更低的测试误差。~~
	** SAMME：离散增强算法。
	** SAMME.~~R：真实增强算法。~~
	* 学习率：在每次迭代时应用于每个分类器的权重。较高的学习率会增加每个分类器的贡献。

	===注意事项===		===注意事项===
	* 不支持带空值运算，用[[多重插补]]或[[插补空值]]进行插补，		* 不支持带空值运算，用[[多重插补]]或[[插补空值]]进行插补，
	* 节点不出图，		* 节点不出图，
	* ~~导入该节点的数据端口为训练数据集，导入前注意转换。~~		* 导入该节点的数据端口为一般数据集，导出的数据集为训练集和测试集，端口颜色都与导入端口不同，不可互通。

	== 参考文献 ==		== 参考文献 ==

Wurong：/* 算法概述 */

2024-01-24T03:46:12Z

算法概述

←上一版本		2024年1月24日 (三) 11:46的版本
第29行：		第29行：

	==算法概述==		==算法概述==
			拆分训练集和测试集是机器学习和数据分析中常见的数据准备步骤之一。它的主要目的是评估模型的性能和泛化能力。

			拆分训练集和测试集的过程涉及将可用的数据集划分为两个独立的子集：
			#训练集（Training Set）：这是用于训练机器学习模型的数据子集。通过在训练集上学习模型，模型可以学习数据中的模式和关联。
			#测试集（Test Set）：这是用于评估模型性能的数据子集。在训练过程结束后，使用测试集来评估模型对未见过的数据的预测能力。测试集应该是与训练集相互独立且代表性的样本。

	==示例代码-拆分训练测试集节点==		==示例代码-拆分训练测试集节点==

Wurong：/* 示例代码-拆分训练测试集节点 */

2024-01-24T03:44:53Z

示例代码-拆分训练测试集节点

←上一版本		2024年1月24日 (三) 11:44的版本
第34行：		第34行：
	该节点使用Python编写，调用scikit-learn包<ref>{{cite journal \|author=Kramer, Oliver \|title=Scikit-learn \|journal=Machine learning for evolution strategies \|pages=45--53 \|year=2016 \|publisher=Springer }}</ref>。以下为示例代码：		该节点使用Python编写，调用scikit-learn包<ref>{{cite journal \|author=Kramer, Oliver \|title=Scikit-learn \|journal=Machine learning for evolution strategies \|pages=45--53 \|year=2016 \|publisher=Springer }}</ref>。以下为示例代码：
	<syntaxhighlight lang="Python">		<syntaxhighlight lang="Python">
	~~from sklearn.ensemble~~ import ~~AdaBoostClassifier~~		import numpy as np
	from sklearn.~~datasets~~ import ~~make_classification~~		from sklearn.model_selection import train_test_split
	X, y = ~~make_classification~~(~~n_samples=1000~~, ~~n_features=4~~,		X, y = np.arange(10).reshape((5, 2)), range(5)
	~~n_informative=2~~, ~~n_redundant=0~~,		X_train, X_test, y_train, y_test = train_test_split(
	~~random_state=0~~, ~~shuffle~~=~~False)~~		X, y, test_size=0.33, random_state=42)
	~~clf = AdaBoostClassifier~~(~~n_estimators=100, random_state=0)~~
	~~clf.fit(~~X, y)
	~~clf.predict([[0, 0, 0~~, 0~~]])~~
	~~clf~~.~~score(X~~, y)
	</syntaxhighlight>		</syntaxhighlight>

	~~拟合后，模型可以用于预测样本的类别，可以在~~[[通用预测模块]]实现内外部测试集的预测。		拆分后，训练集可以用于生成模型，测试集可以用于预测样本的类别，可以在[[通用预测模块]]实现内外部测试集的预测。

	=='''节点使用指南'''==		=='''节点使用指南'''==

2024年1月24日 (三) 02:20 Wurong

2024-01-24T02:20:03Z

@@ 第28行： / 第28行： @@
 }}
 {{Navplate AlgorithmNodeList}}
 [[Category:数据集拆分]]

2024年1月19日 (五) 11:25 Zeroclanzhang

2024-01-19T11:25:52Z

←上一版本		2024年1月19日 (五) 19:25的版本
第7行：		第7行：
	\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用		\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
	\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署		\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署
	\|nodeenglishname=~~[[Has english name::~~Split Training Test Datasets]]		\|nodeenglishname=Split Training Test Datasets
	\|abbreviation=~~[[Has abbreviation::~~SliTraTD]]		\|abbreviation=SliTraTD
	\|funcmaincategory=机器学习		\|funcmaincategory=机器学习
	\|funcsubcategory=[[DataML Lv1 Cat::数据集拆分]]		\|funcsubcategory=[[DataML Lv1 Cat::数据集拆分]]

2024年1月18日 (四) 12:16 Zeroclanzhang

2024-01-18T12:16:10Z

←上一版本		2024年1月18日 (四) 20:16的版本
第10行：		第10行：
	\|abbreviation=[[Has abbreviation::SliTraTD]]		\|abbreviation=[[Has abbreviation::SliTraTD]]
	\|funcmaincategory=机器学习		\|funcmaincategory=机器学习
	\|funcsubcategory=[[DataML Lv1 Cat::~~数据集操作~~]]		\|funcsubcategory=[[DataML Lv1 Cat::数据集拆分]]
	\|nodecategory=数据挖掘		\|nodecategory=数据挖掘
	\|nodeinterpretor=Python		\|nodeinterpretor=Python
第32行：		第32行：
	{{Navplate AlgorithmNodeList}}		{{Navplate AlgorithmNodeList}}

	[[Category:~~数据集操作~~]]		[[Category:数据集拆分]]

2024年1月18日 (四) 12:06 Zeroclanzhang

2024-01-18T12:06:27Z

←上一版本		2024年1月18日 (四) 20:06的版本
第32行：		第32行：
	{{Navplate AlgorithmNodeList}}		{{Navplate AlgorithmNodeList}}

	[[Category:~~数据集拆分~~]]		[[Category:数据集操作]]

2024年1月18日 (四) 12:04 Zeroclanzhang

2024-01-18T12:04:18Z

←上一版本		2024年1月18日 (四) 20:04的版本
第10行：		第10行：
	\|abbreviation=[[Has abbreviation::SliTraTD]]		\|abbreviation=[[Has abbreviation::SliTraTD]]
	\|funcmaincategory=机器学习		\|funcmaincategory=机器学习
	\|funcsubcategory=[[DataML Lv1 Cat::~~数据集拆分~~]]		\|funcsubcategory=[[DataML Lv1 Cat::数据集操作]]
	\|nodecategory=数据挖掘		\|nodecategory=数据挖掘
	\|nodeinterpretor=Python		\|nodeinterpretor=Python

2024年1月18日 (四) 11:37 Zeroclanzhang

2024-01-18T11:37:02Z

←上一版本		2024年1月18日 (四) 19:37的版本
第10行：		第10行：
	\|abbreviation=[[Has abbreviation::SliTraTD]]		\|abbreviation=[[Has abbreviation::SliTraTD]]
	\|funcmaincategory=机器学习		\|funcmaincategory=机器学习
	\|funcsubcategory=[[DataML Lv1 Cat::~~拆分训练测试集~~]]		\|funcsubcategory=[[DataML Lv1 Cat::数据集拆分]]
	\|nodecategory=数据挖掘		\|nodecategory=数据挖掘
	\|nodeinterpretor=Python		\|nodeinterpretor=Python

2024年1月18日 (四) 11:26 Zeroclanzhang

2024-01-18T11:26:25Z

←上一版本		2024年1月18日 (四) 19:26的版本
第32行：		第32行：
	{{Navplate AlgorithmNodeList}}		{{Navplate AlgorithmNodeList}}

	[[Category:~~拆分训练测试集~~]]		[[Category:数据集拆分]]