Chia dữ liệu giữ tỷ lệ lớp
Hiểu vì sao classification cần chia train/test giữ tỷ lệ nhãn.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: train test split, label counts.
Nội dung đề bài
Mục tiêu kiến thức
Hiểu vì sao classification cần chia train/test giữ tỷ lệ nhãn.
Mô tả bài toán
Đây là bài số 330 trong tầng Dữ liệu và tiền xử lý bằng thư viện. Bài dùng thư viện train_test_split(..., stratify=labels) trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Dùng train_test_split trên index và truyền stratify=labels; trả về kích thước và số lượng từng lớp.
def stratified_split_counts(labels, test_size, seed):Input
labels là list nhãn; các lớp có đủ mẫu để chia. test_size và seed giống bài trước.
Output
Dictionary train_size, test_size, train_counts và test_counts; key count là chuỗi.
Ràng buộc
Không chia ngẫu nhiên không stratify và không đổi labels đầu vào.
Ví dụ
Giải thích
8 nhãn 0 và 4 nhãn 1, test 25% phải có 2 số 0 và 1 số 1.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.