데이터 나누기

train_test_split과 StratifiedGroupKFold, StratifiedKFold 등의 다양한 split 방법이 존재한다.
여기서는 StratifiedKFold의 설명을 추가적으로 해보고자 한다.

train_test_split

• 사용할 때 간단 요령
  • feature data, label data 분류할 때 헷갈리지 않는 법
    • 인자 순서대로 분리한다고 생각
      1. 아래 예시에서 norm_data[‘value’]를 먼저 train용, test용으로 나눔 -> X_train, X_test
      2. 그 이후 norm_data[‘code’]를 train용, test용으로 나눔 -> y_train, y_test

  train_value, test_value, train_code, test_code = 
  train_test_split(norm_data['value'], 
                  norm_data['code'], 
                  test_size=0.2, 
                  shuffle=True, 
                  stratify=norm_data['code']) # nv: norm value / nc: norm code
  '''
  이런식으로 구성되어 있으면 뒤의 argument 우선임
  value를 train, test로 나눈 후, code를 train, test로 나누는 것
  '''
  

stratify 인자

위 stratify 인자는 train_test_split 함수의 인자다. (StratifiedKFold 등과 헷갈리지 말 것)

• 필요한 상황

StratifieldKFold

import numpy as np
from sklearn.model_selection import StratifiedKFold

X = np.array([[1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4], [1, 2], [3, 4]])
y = np.array([0, 0, 1, 1, 0, 0, 1, 1])

skf = StratifiedKFold(n_splits=2)
skf.get_n_splits(X, y)

for train_index, test_index in skf.split(X, y):
    print(f"train: {train_index}, test: {test_index}")

train: [4 5 6 7], test: [0 1 2 3]
train: [0 1 2 3], test: [4 5 6 7]

• 계층화된 data, label set을 n_splits 개로 나눔
• return 되는것은 train_test_split과 달리 인덱스임

Metrics

classification_report

• 아래 그림과 같이 레이블로 나타낼 수도 있다