- 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.
Stratified Random Split مانند تقسیم تصادفی معمولی، داده را به مجموعه آموزش و آزمون می‌شکند؛ با این تفاوت که تلاش می‌کند نسبت کلاس‌ها در هر دو بخش حفظ شود. این ویژگی برای طبقه‌بندی با کلاس‌های نامتوازن اهمیت دارد.
نحوه کار و کاربرد
با تعیین اندازه آزمون و Seed می‌توان تقسیم را کنترل کرد. پس از تقسیم، نمونه‌ها و برچسب‌های آموزش و آزمون جداگانه دریافت می‌شوند. اگر تعداد نمونه‌های یک کلاس بسیار کم باشد، حفظ نسبت دقیق ممکن نیست.
نمونه
use Phpml\Dataset\ArrayDataset;
use Phpml\CrossValidation\StratifiedRandomSplit;
$dataset = new ArrayDataset($samples, $targets);
$split = new StratifiedRandomSplit($dataset, 0.25, 1234);
$trainLabels = $split->getTrainLabels();
$testLabels = $split->getTestLabels();نکته
برای داده‌های زمانی یا گروه‌بندی‌شده، تقسیم تصادفی ممکن است نشت اطلاعات ایجاد کند.
اصطلاحات مرتبط در واژه‌نامه: دیتاست