Каких принципов стоит придерживаться при разбиении датасета на обучающую, тренировочную выборку при ”перекосе” кол-ва элементов классов?

При разбиении датасета на обучающую и тестовую выборки при «перекосе» количества элементов классов стоит придерживаться следующих принципов:

• Использовать стратифицированное разделение. sky.pro Оно гарантирует, что в каждой из выборок будет представлено одинаковое соотношение классов. sky.pro Для этого нужно указать в функции разделения параметр stratify. sky.pro
• Перемешать данные. pythonru.com По умолчанию функция traintestsplit библиотеки Scikit-learn автоматически перемешивает данные, но это можно переопределить, установив для параметра shuffle значение False. pythonru.com
• Учитывать пропорции классов. cs.mipt.ru При стратифицированной перекрёстной проверке данные разбивают таким образом, чтобы пропорции классов в каждом блоке в точности соответствовали пропорциям классов в наборе данных. cs.mipt.ru