- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
Random Split دیتاست را به دو بخش آموزش و آزمون تقسیم می‌کند. مدل با بخش آموزش ساخته می‌شود و عملکرد آن با بخش آزمون که در فرایند یادگیری استفاده نشده ارزیابی می‌گردد.
نحوه کار و کاربرد
پارامتر testSize نسبت داده آزمون را مشخص می‌کند و seed برای تکرارپذیری تقسیم مفید است. تقسیم تصادفی ساده ممکن است نسبت کلاس‌ها را در دو بخش تغییر دهد؛ در داده‌های نامتوازن، Stratified Random Split گزینه مناسب‌تری است.
نمونه
use Phpml\Dataset\ArrayDataset;
use Phpml\CrossValidation\RandomSplit;
$dataset = new ArrayDataset($samples, $targets);
$split = new RandomSplit($dataset, 0.2, 1234);
$trainSamples = $split->getTrainSamples();
$testSamples = $split->getTestSamples();نکته
Seed ثابت نتیجه تقسیم را تکرارپذیر می‌کند، اما جایگزین ارزیابی روی چند تقسیم یا Cross Validation نیست.