جواب «Track B: Balance and a Test Set» چالش 4 از جلسهی 77
سؤال
مسیر ب. دادهی تصویرها: هر تصویر یک رشتهی ۹ پیکسلی (جدول ۳×۳ از 0 و 1) با برچسب. تابع split(data) را بنویس که از هر برچسب جداگانه، هر سومین تصویر (شمارهی ۲، ۵، ۸... در آن برچسب، از صفر) را به آزمون بدهد و بقیه را به آموزش. برنامه تعداد هر برچسب را در کل، آموزش و آزمون چاپ میکند و اگر یک برچسب کمتر از نصف بزرگترین برچسب بود، هشدار میدهد. خروجی:circle: all 6, train 4, test 2cross: all 6, train 4, test 2line: all 2, train 2, test 0warning: too few line images (2 vs 6)
راهنما
یک دیکشنری seen = {} نگه دار: k = seen.get(label, 0)؛ if k % 3 == 2: test.append(...) else: train.append(...)؛ seen[label] = k + 1. هشدار: biggest = max(counts.values()) و if counts[label] < biggest / 2.
یک جواب درست
DATA = [ # (pixels of a 3x3 grid, label)
("111101111", "circle"), ("101010101", "cross"), ("010111010", "line"),
("101010101", "cross"), ("011101110", "circle"), ("100010001", "cross"),
("111100111", "circle"), ("111101111", "circle"), ("101010101", "cross"),
("111101111", "circle"), ("001010100", "cross"), ("110101011", "circle"),
("101011101", "cross"), ("010010010", "line"),
]
def split(data):
train, test = [], []
seen = {}
for pixels, label in data:
k = seen.get(label, 0)
if k % 3 == 2:
test.append((pixels, label))
else:
train.append((pixels, label))
seen[label] = k + 1
return train, test
train, test = split(DATA)
labels = sorted({label for _, label in DATA})
counts = {}
for label in labels:
counts[label] = sum(1 for _, l in DATA if l == label)
n_train = sum(1 for _, l in train if l == label)
n_test = sum(1 for _, l in test if l == label)
print(f"{label}: all {counts[label]}, train {n_train}, test {n_test}")
biggest = max(counts.values())
for label in labels:
if counts[label] < biggest / 2:
print(f"warning: too few {label} images ({counts[label]} vs {biggest})")
اول خودت امتحان کن؛ جوابهای دیگر هم قبول است. برگرد و خودت حلش کن