Lompat ke konten utama
Kelas
Machine Learning Dasar dengan PythonPelajaran 3 dari 16 · Modul 1, Dasar machine learning dan menyiapkan data

Modul 1 · Dasar machine learning dan menyiapkan data

Membagi data latih dan data uji

Setelah pelajaran ini kamu bisa membagi data dengan train_test_split memakai test_size, random_state, dan stratify.

  • ±13 menit
  • 3 latihan
  • Diperiksa 27 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

Model dinilai dari tebakannya pada data yang belum pernah ia lihat. Karena itu data dibagi dua: data latih untuk fit, dan data uji yang disimpan sampai model selesai. Menilai model dengan data latihnya sendiri memberi skor yang terlalu bagus, karena model hanya perlu mengingat jawaban.

train_test_split(X, y) mengacak baris lalu mengembalikan empat bagian berurutan: X_train, X_test, y_train, y_test. Parameter test_size menentukan porsi uji; bila tidak diisi, porsinya 0,25. Karena pembagiannya acak, hasilnya berubah setiap kali dijalankan kecuali random_state diberi bilangan bulat. Glossary scikit-learn menyebut random_state bilangan bulat sebagai cara mendapatkan hasil yang sama di setiap pemanggilan.

Bila label tidak seimbang, misalnya hanya 10% pelanggan yang berhenti, pengacakan bisa membuat data uji hampir tanpa kelas kecil itu. stratify=y menjaga proporsi setiap kelas sama di data latih dan data uji.

import numpy as np
from sklearn.model_selection import train_test_split

X = np.arange(20).reshape(10, 2)
y = np.array([0, 1] * 5)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=0
)
print(len(X_train), len(X_test))   # 7 3

Latihan

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Latihan 1 dari 3

Data berisi 80 baris dibagi dengan train_test_split(X, y, test_size=0.2, random_state=1). Berapa baris yang masuk data uji?

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 2 lagi