جواب «split_data» چالش 5 از جلسهی 23
سؤال
تابع split_data(X, y, ratio) بنویس که ابتدا اندیسها را با random.seed(1) و random.shuffle بُر بزند، X و y را با همان ترتیب بچیند، و بعد با cut = int(len(X) * ratio) چهار لیست X_train, X_test, y_train, y_test را برگرداند. برنامه طولها را چاپ میکند و بررسی میکند هر برچسب هنوز با عدد خودش است: خروجی 8 2 8 2 و labels ok.
راهنما
order = list(range(len(X)))؛ random.seed(1)؛ random.shuffle(order)؛ X = [X[i] for i in order]؛ همین برای y؛ cut = int(len(X) * ratio)؛ return X[:cut], X[cut:], y[:cut], y[cut:].
یک جواب درست
import random
X = [[1], [2], [3], [4], [5], [6], [7], [8], [9], [10]]
y = ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"]
def split_data(X, y, ratio):
order = list(range(len(X)))
random.seed(1)
random.shuffle(order)
X = [X[i] for i in order]
y = [y[i] for i in order]
cut = int(len(X) * ratio)
return X[:cut], X[cut:], y[:cut], y[cut:]
X_train, X_test, y_train, y_test = split_data(X, y, 0.8)
print(len(X_train), len(X_test), len(y_train), len(y_test))
ok = True
for point, label in zip(X_train + X_test, y_train + y_test):
if (point[0] <= 5) != (label == "a"):
ok = False
print("labels ok" if ok else "labels mixed up")
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن