파이썬 라이브러리를 활용한 머신러닝(번역개정판): 사이킷런 핵심 개발자가 쓴 머신러닝과 데이터 과학 실무서

5

장

모델 평가와 성능 향상

333

다음 코드는 데이터셋의

50

%를 훈련 세트로,

50

%를 테스트 세트로

10

번 반복 분할합니다.

5

In [18]:

from sklearn.model_selection import ShueSplit

shue_split = ShueSplit(test_size=.5, train_size=.5, n_splits=10)

scores = cross_val_score(logreg, iris.data, iris.target, cv=shue_split)

print("교차 검증 점수:\n", scores)

Out [18]:

교차 검증 점수:

[0.947 0.827 0.96 0.947 0.947 0.973 0.947 0.987 0.933 0.933]

임의 분할 교차 검증은 반복 횟수를 훈련 세트나 테스트 세트의 크기와 독립적으로 조절해야

할 때 유용합니다. 또한

train

_

size

와

test

_

size

의 합을 전체와 다르게 함으로써 전체 데이터의

일부만 사용할 수 있습니다. 이렇게 데이터를 부분 샘플링

subsampling

하는 방식은 대규모 데이터

셋으로 작업할 때 도움이 됩니다.

한편

ShuffleSplit

의 계층별 버전으로 분류 작업에 더 적합한

StratifiedShuffleSplit

도 있습

니다.

그룹별 교차 검증

데이터 안에 매우 연관된 그룹이 ...