{"id":178842,"date":"2023-06-23T15:29:01","date_gmt":"2023-06-23T14:29:01","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=178842"},"modified":"2023-10-30T11:59:51","modified_gmt":"2023-10-30T10:59:51","slug":"train-test-split","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/train-test-split","title":{"rendered":"train_test_split: Tutorial zur Verwendung dieser Funktion"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"178842\" class=\"elementor elementor-178842\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-5d4b2e5 e-flex e-con-boxed e-con\" data-id=\"5d4b2e5\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5929f3d elementor-widget elementor-widget-heading\" data-id=\"5929f3d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">Ein Machine-Learning-Modell ist in der Lage, selbstst\u00e4ndig aus einem Datensatz zu lernen, mit dem Ziel, Verhalten in einem anderen Datensatz vorherzusagen. Dazu findet es zugrunde liegende Beziehungen zwischen unabh\u00e4ngigen erkl\u00e4renden Variablen und einer Zielvariablen im urspr\u00fcnglichen Datensatz. Dann verwendet er diese Muster, um neue Daten vorherzusagen oder zu klassifizieren. <\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c304a3c e-flex e-con-boxed e-con\" data-id=\"c304a3c\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-806da69 elementor-widget elementor-widget-heading\" data-id=\"806da69\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Wie wird die Funktion train_test_split definiert?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1c171c8 elementor-widget elementor-widget-text-editor\" data-id=\"1c171c8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Um die Effektivit\u00e4t eines <a href=\"https:\/\/datascientest.com\/de\/machine-learning-definition-funktionsweise-anwendungen\">Machine-Learning-Modells<\/a> zu \u00fcberpr\u00fcfen, wird der urspr\u00fcngliche Datensatz in zwei Sets aufgeteilt: ein Trainingsset und ein Testset. Das Trainingsset wird verwendet, um das Modell auf einem Teil der Daten zu fitten, d. h. zu trainieren. Das Testset wird verwendet, um die Leistung des Modells auf dem anderen Teil der Daten zu bewerten. Die Funktion train_test_split aus der <a href=\"https:\/\/scikit-learn.org\/stable\/\">ScikitLearn-Bibliothek (sklearn) in Python<\/a> erm\u00f6glicht diese Aufteilung in zwei Sets.<\/p><p>\u00a0<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d66a48d elementor-widget elementor-widget-text-editor\" data-id=\"d66a48d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Als Erstes solltest du daran denken, die Funktion train_test_split aus dem model_selection-Paket von sklearn zu importieren, indem du den folgenden Code benutzt:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7ba77a7 elementor-widget elementor-widget-shortcode\" data-id=\"7ba77a7\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/53cdea38bb6406ea326f450d6a332b9c.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2f6d434 elementor-widget elementor-widget-text-editor\" data-id=\"2f6d434\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wenn die Funktion einmal importiert ist, hat sie mehrere Argumente:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-78307be elementor-widget elementor-widget-image\" data-id=\"78307be\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/03\/train-test-split1.png\" title=\"\" alt=\"\" loading=\"lazy\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f3b88de elementor-widget elementor-widget-heading\" data-id=\"f3b88de\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">1) Arrays, die aus dem zu teilenden Datensatz entnommen wurden. <\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7fd384e elementor-widget elementor-widget-text-editor\" data-id=\"7fd384e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Beim \u00fcberwachten Lernen sind diese Arrays das <strong>Input-Array X,<\/strong> das aus den erkl\u00e4renden Variablen in den Spalten besteht, und das <strong>Output-Array y<\/strong>, das aus der Zielvariablen (d. h. den Labels) besteht.<\/p><p>Beim unbeaufsichtigten Lernen ist das einzige Array als Argument das<strong> Input-Array X,<\/strong> das aus den erkl\u00e4renden Variablen in den Spalten besteht.<\/p><p>Hinweis: Achte auf die Dimensionen! X muss ein zweidimensionales Array sein. y muss ein eindimensionales Array sein, das der Anzahl der Zeilen in X entspricht. Um dies zu erreichen, kannst du gerne die Funktion .reshape verwenden.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9b35a13 elementor-widget elementor-widget-heading\" data-id=\"9b35a13\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">2) Die Gr\u00f6\u00dfe des Testsets (test_size) und die Gr\u00f6\u00dfe des Trainingssets (train_size).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-93c8dac elementor-widget elementor-widget-text-editor\" data-id=\"93c8dac\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Die Gr\u00f6\u00dfe jedes Satzes ist entweder eine Dezimalzahl zwischen 0 und 1, die einen Anteil des Datensatzes darstellt, oder eine ganze Zahl, die eine Anzahl von Beispielen des Datensatzes darstellt.<\/p><p><em>Hinweis: Es ist ausreichend, nur eines dieser Argumente zu setzen, das zweite ist komplement\u00e4r dazu.<\/em><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a26e1c9 elementor-widget elementor-widget-heading\" data-id=\"a26e1c9\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">3) Der random state (random_state).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-720f47a elementor-widget elementor-widget-text-editor\" data-id=\"720f47a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Der random state ist eine Zahl, die steuert, wie der Pseudo-Zufallsgenerator die Daten aufteilt.<\/p><p>Hinweis: Wenn du eine ganze Zahl als random state w\u00e4hlst, werden die Daten bei jedem Aufruf der Funktion auf die gleiche Weise aufgeteilt. Dies macht den Code also reproduzierbar.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8594cc7 elementor-widget elementor-widget-heading\" data-id=\"8594cc7\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">4) Le shuffle (shuffle).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-68a0852 elementor-widget elementor-widget-text-editor\" data-id=\"68a0852\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Shuffle ist ein Boolean-Wert, der ausw\u00e4hlt, ob die Daten vor dem Trennen gemischt werden sollen oder nicht. Im Falle, dass sie nicht gemischt werden, werden die Daten also in der Reihenfolge getrennt, in der sie urspr\u00fcnglich waren.<\/p><p>Hinweis: Der Standardwert ist True.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1940b6d elementor-widget elementor-widget-heading\" data-id=\"1940b6d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">5) Stratify (stratify).<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5d90bc1 elementor-widget elementor-widget-text-editor\" data-id=\"5d90bc1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Der Stratify-Parameter w\u00e4hlt aus, ob die Daten so getrennt werden, dass der Anteil der Beobachtungen in jeder Klasse in den train- und test-Sets gleich bleibt wie im Ausgangsdatensatz.<\/p><p>Anmerkungen:<\/p><p>Diese Einstellung ist besonders n\u00fctzlich angesichts von &#8222;unbalanced&#8220;-Daten mit sehr unausgewogenen Anteilen zwischen den verschiedenen Klassen.<br \/>Der Standardwert ist None.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d7467c elementor-widget elementor-widget-text-editor\" data-id=\"9d7467c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Die Funktion train_test_split gibt eine Anzahl von Outputs zur\u00fcck, die doppelt so hoch ist wie die Anzahl ihrer Inputs, und zwar in Form eines Arrays. Beim \u00fcberwachten Lernen gibt sie also vier Outputs zur\u00fcck: X_train, X_test, y_train und y_test. Beim un\u00fcberwachten Lernen gibt sie zwei Outputs zur\u00fcck: X_train und X_test.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2cfc9f0 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"2cfc9f0\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Machine Learning Modelle lernen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-94d1ada e-flex e-con-boxed e-con\" data-id=\"94d1ada\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-92e180b elementor-widget elementor-widget-heading\" data-id=\"92e180b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Wie kann man die Leistung eines Modells mit der Funktion train_test_split bewerten?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-82a5a95 elementor-widget elementor-widget-text-editor\" data-id=\"82a5a95\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Sobald die <strong>Funktion train_test_split<\/strong> definiert ist, gibt sie eine Train- und eine Testmenge zur\u00fcck. Dieses Datensplitting erm\u00f6glicht es, ein Machine-Learning-Modell aus zwei verschiedenen Blickwinkeln zu bewerten.<\/p><p>Das Modell wird mit der von der Funktion zur\u00fcckgegebenen Trainmenge trainiert. Dann werden seine Vorhersagef\u00e4higkeiten anhand der Testmenge, die von der Funktion zur\u00fcckgegeben wird, bewertet.<\/p><p>F\u00fcr diese Bewertung k\u00f6nnen mehrere Metriken verwendet werden. Im Falle einer linearen Regression werden das Bestimmtheitsma\u00df, der <strong>RMSE und der MAE<\/strong> bevorzugt. Im Falle einer Klassifikation werden die Genauigkeit, die Pr\u00e4zision, der Recall und der F1-Score bevorzugt. Die Ergebnisse des Testsatzes zeigen also, wie gut das Modell ist und wie sehr es verbessert werden muss, bevor es auf einem neuen Datensatz vorhergesagt werden kann.<\/p><p>Die von der Funktion train_test_split zur\u00fcckgegebenen train- und test-Sets spielen auch eine wichtige Rolle bei der Erkennung von Overfitting oder Underfitting. Zur Erinnerung: Overfitting beschreibt eine Situation, in der das erstellte Modell zu komplex ist (z. B. mit zu vielen erkl\u00e4renden Variablen), so dass es die Trainingsdaten perfekt lernt, aber nicht in der Lage ist, auf andere Daten zu verallgemeinern.<\/p><p>Umgekehrt beschreibt <a href=\"https:\/\/datascientest.com\/de\/underfitting-in-machine-learning-so-loest-du-es\">Underfitting<\/a> eine Situation, in der das Modell zu einfach oder schlecht gew\u00e4hlt ist (z. B. die Wahl einer linearen Regression f\u00fcr Daten, die nicht den Annahmen entsprechen), so dass es schlecht lernt.<\/p><p>Diese beiden Probleme k\u00f6nnen durch verschiedene Techniken behoben werden, aber sie m\u00fcssen erst einmal gefunden werden, was mit der Funktion <strong>train_test_split<\/strong> m\u00f6glich ist.<\/p><p>Wir k\u00f6nnen n\u00e4mlich die Leistung des Modells in der Train- und der Testmenge, die von der Funktion erstellt wurden, vergleichen.<\/p><p>Wenn die Leistung in der Trainmenge gut ist, aber in der Testmenge schlecht, <a href=\"https:\/\/datascientest.com\/de\/overfitting-was-ist-das-wie-kann-man-es-vermeiden\">handelt es sich wahrscheinlich um Overfitting.<\/a><\/p><p>Wenn die Leistung im Trainsatz genauso schlecht ist wie im Testsatz, handelt es sich wahrscheinlich um Underfitting. Die beiden Mengen, die die Funktion zur\u00fcckgibt, sind daher entscheidend f\u00fcr die Erkennung dieser wiederkehrenden <strong>Probleme im Machine Learning.<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5f4a1a0 e-flex e-con-boxed e-con\" data-id=\"5f4a1a0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b61a86b elementor-widget elementor-widget-heading\" data-id=\"b61a86b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Wie l\u00f6st man ein vollst\u00e4ndiges Machine-Learning-Problem mithilfe der Funktion train_test_split?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d89015 elementor-widget elementor-widget-text-editor\" data-id=\"9d89015\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Nachdem wir nun die Verwendung und die Funktionen der Funktion train_test_split verstanden haben, wollen wir sie anhand eines echten Machine-Learning-Problems in die Praxis umsetzen.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-436dc51 elementor-widget elementor-widget-heading\" data-id=\"436dc51\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 1: Verst\u00e4ndnis des Problems<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7d4a6c4 elementor-widget elementor-widget-text-editor\" data-id=\"7d4a6c4\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wir entscheiden uns daf\u00fcr, ein \u00fcberwachtes Lernproblem so zu l\u00f6sen, dass die erwarteten Labels bekannt sind. Genauer gesagt konzentrieren wir uns auf eine bin\u00e4re Klassifizierung. Ziel ist es, anhand von K\u00f6rpermerkmalen vorherzusagen, ob eine Person an Brustkrebs erkrankt ist oder nicht.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b93a310 elementor-widget elementor-widget-heading\" data-id=\"b93a310\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 2: Daten wiederherstellen<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-193b77a elementor-widget elementor-widget-text-editor\" data-id=\"193b77a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir verwenden das <a href=\"https:\/\/datascientest.com\/de\/datasets-top-5-websites-fuer-qualitativ-hochwertige-datensaetze\">Dataset<\/a> &#8222;breast_cancer&#8220;, das in der Sklearn Library enthalten ist.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-07ce43e elementor-widget elementor-widget-shortcode\" data-id=\"07ce43e\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/70ef7bb2343550b5656aec87400c31e7.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ffe7101 elementor-widget elementor-widget-text-editor\" data-id=\"ffe7101\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Mit den folgenden Codezeilen rufen wir die erkl\u00e4renden<strong> Variablen (features) und die Zielvariable (target) ab:<\/strong><\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0441e15 elementor-widget elementor-widget-shortcode\" data-id=\"0441e15\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/7c4b377a2e95b5b76ed6427f0deedc3c.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ec17972 elementor-widget elementor-widget-text-editor\" data-id=\"ec17972\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir erhalten, dass die vorherzusagenden Zielvariablen zwei Werte annehmen (&#8222;malignant&#8220; und &#8222;benign&#8220;) und dass das Problem tats\u00e4chlich eine bin\u00e4re Klassifizierung ist.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-96da631 elementor-widget elementor-widget-heading\" data-id=\"96da631\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 3: Erstellen von X und y<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-55e8d8e elementor-widget elementor-widget-text-editor\" data-id=\"55e8d8e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir erstellen das zweidimensionale Input-Array X und das eindimensionale Output-Array y. F\u00fcr dieses Dataset wird die bin\u00e4re Kodierung der Zielvariablen von sklearn durchgef\u00fchrt und kann direkt abgerufen werden.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-680e7ee elementor-widget elementor-widget-shortcode\" data-id=\"680e7ee\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/746ed23fb3f50d3fca325730eb9f09bc.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8885da1 elementor-widget elementor-widget-text-editor\" data-id=\"8885da1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir \u00fcberpr\u00fcfen, dass die Dimensionen von X und y \u00fcbereinstimmen: y hat die gleiche Anzahl an Zeilen wie X.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-98452a6 elementor-widget elementor-widget-heading\" data-id=\"98452a6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 4: Erstellen von Train- und Testsets<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-43a3da6 elementor-widget elementor-widget-text-editor\" data-id=\"43a3da6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wir teilen die Daten in einen train_test_split.<\/p><p>Da wir der Funktion <strong>train_test_split<\/strong> zwei Arrays X und y \u00fcbergeben, gibt sie vier Elemente zur\u00fcck. Wir w\u00e4hlen einen Testsatz, der aus 10 % der Daten besteht. Wir w\u00e4hlen eine Zahl vom Typ &#8222;int&#8220; als random state, um die Reproduzierbarkeit des Codes zu gew\u00e4hrleisten. Wir verwenden nicht die letzten Parameter der Funktion, da diese f\u00fcr ein so einfaches Problem nicht notwendig sind.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f3c42e9 elementor-widget elementor-widget-shortcode\" data-id=\"f3c42e9\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/670c9b5bc2be84da42c62628e30d0b52.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e1c6e82 elementor-widget elementor-widget-heading\" data-id=\"e1c6e82\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 5: Klassifikationsmodell<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-65a1cf6 elementor-widget elementor-widget-text-editor\" data-id=\"65a1cf6\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Um die <a href=\"https:\/\/datascientest.com\/de\/klassifikationsalgorithmen-definition-und-hauptmodelle\">Klassifizierungsaufgabe<\/a> zu l\u00f6sen, erstellen wir ein Modell der k-n\u00e4chsten Nachbarn. Wir trainieren das Modell auf dem train set mit der Methode .fit(). Dann testen wir die Leistung des Modells auf dem Testset mit der Methode .predict(). So erhalten wir die vorhergesagten Klassen f\u00fcr die Beobachtungen des Testsets.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9d9ba79 elementor-widget elementor-widget-shortcode\" data-id=\"9d9ba79\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/9b6f1804e4371bee273426fb19d5af8e.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7bc870a elementor-widget elementor-widget-heading\" data-id=\"7bc870a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Schritt 6: Bewertung des Modells<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-093e8d2 elementor-widget elementor-widget-text-editor\" data-id=\"093e8d2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wir w\u00e4hlen als Metrik die <strong>Genauigkeit (accuracy).<\/strong> Die Genauigkeit ist die Anzahl der richtigen Vorhersagen im Verh\u00e4ltnis zur Gesamtzahl der Vorhersagen. Wir berechnen sie f\u00fcr die Train- und Testmenge mithilfe der Methode .score(), die die wahren Klassen im Datensatz mit den vom clf-Klassifikator vorhergesagten Klassen vergleicht.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1046269 elementor-widget elementor-widget-shortcode\" data-id=\"1046269\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><script src=\"https:\/\/gist.github.com\/manongeorget\/0b4ae518863c3e024bcb11bc1d31b96d.js\"><\/script><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3e3ba6c elementor-widget elementor-widget-text-editor\" data-id=\"3e3ba6c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wir erhalten eine accuracy von 0,95 f\u00fcr die Trainmenge und von 0,93 f\u00fcr die Testmenge. Das Modell hat also eine gute Klassifikationsleistung.<\/p><p>Au\u00dferdem ist die Genauigkeit der Testmenge nur geringf\u00fcgig geringer als die der Trainmenge. Das bedeutet, dass sich das Modell gut auf neue Daten verallgemeinern l\u00e4sst. Wir haben es also nicht mit einem Overfitting-Problem zu tun.<\/p><p>Die Funktion train_test_split ist also einfach zu verwenden und sehr effizient, um ein komplettes Machine-Learning-Problem zu l\u00f6sen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5b57ebc e-flex e-con-boxed e-con\" data-id=\"5b57ebc\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1e6c123 elementor-widget elementor-widget-heading\" data-id=\"1e6c123\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Gibt es Grenzen f\u00fcr die Funktion train_test_split?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-713ff9e elementor-widget elementor-widget-text-editor\" data-id=\"713ff9e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Die Funktion train_test_split hat jedoch eine Hauptbeschr\u00e4nkung, die mit dem Parameter random_state zusammenh\u00e4ngt. Wenn der Wert f\u00fcr random state eine ganze Zahl ist, werden die Daten mithilfe eines Pseudo-Zufallsgenerators, der mit dieser ganzen Zahl initialisiert wird und seed genannt wird, getrennt.<\/p><p>Die durchgef\u00fchrte Trennung ist reproduzierbar, da derselbe Seed beibehalten wird. Es hat sich jedoch gezeigt, dass die Wahl des Seed die Leistung des zugeh\u00f6rigen Machine-Learning-Modells beeinflusst: Unterschiedliche Seds k\u00f6nnen unterschiedliche Sets und unterschiedliche Punktzahlen erzeugen.<\/p><p>Eine L\u00f6sung f\u00fcr dieses Problem besteht darin, die Funktion train_test_split mehrmals mit unterschiedlichen Werten f\u00fcr random_state zu verwenden. Wir k\u00f6nnen dann den Durchschnitt der erzielten Punktzahlen berechnen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d728968 elementor-widget elementor-widget-text-editor\" data-id=\"d728968\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>So ist die Funktion train_test_split aus der <a href=\"https:\/\/datascientest.com\/de\/top-10-der-python-bibliotheken-fur-data-scientists\">Python-Bibliothek<\/a> sklearn bei richtiger Anwendung essentiell f\u00fcr die Durchf\u00fchrung eines Data Science-Projekts und die<a href=\"https:\/\/datascientest.com\/de\/kreuzvalidierungsverfahren-definition-und-bedeutung-fur-machine-learning\"> Bewertung eines Machine Learning-Modells!<\/a><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-704a93f elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"704a93f\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/weiterbildung-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Data Scientist werden<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4aedac8 elementor-widget elementor-widget-html\" data-id=\"4aedac8\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">.\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [{{\n    \"@type\": \"Frage\",\n    \"name\": \"Wie wird die Funktion train_test_split definiert?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Um die Effektivit\u00e4t eines Machine-Learning-Modells zu \u00fcberpr\u00fcfen, wird der anf\u00e4ngliche Datensatz in zwei S\u00e4tze aufgeteilt: ein Trainingsset und ein Testset. Das Trainingsset wird verwendet, um das Modell auf einen Teil der Daten zu trainieren. Das Testset wird verwendet, um die Leistung des Modells auf dem anderen Teil der Daten zu bewerten. Die Funktion train_test_split aus der ScikitLearn-Bibliothek (sklearn) von Python erm\u00f6glicht diese Aufteilung in zwei Sets.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Wie kann ich die Leistung eines Modells mit der Funktion train_test_split bewerten?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Sobald die Funktion train_test_split definiert ist, gibt sie eine Zug- und eine Testmenge zur\u00fcck. Dieses Datensplitting erm\u00f6glicht es, ein Machine-Learning-Modell aus zwei verschiedenen Blickwinkeln zu bewerten. Das Modell wird mit der von der Funktion zur\u00fcckgegebenen Zugmenge trainiert. Dann werden seine Vorhersagef\u00e4higkeiten anhand des von der Funktion zur\u00fcckgegebenen Testsatzes bewertet. F\u00fcr diese Bewertung k\u00f6nnen mehrere Metriken verwendet werden. Im Falle einer linearen Regression werden das Bestimmtheitsma\u00df, der RMSE und der MAE bevorzugt. Im Falle einer Klassifikation werden die Genauigkeit, die Pr\u00e4zision, der Recall und der F1-Score bevorzugt. Diese Scores \u00fcber den Testsatz erm\u00f6glichen es also zu bestimmen, wie gut das Modell ist und wie sehr es verbessert werden muss, bevor es auf einem neuen Dataset vorhergesagt werden kann.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Wie l\u00f6se ich ein vollst\u00e4ndiges Machine-Learning-Problem mithilfe der Funktion train_test_split?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Wir entscheiden uns daf\u00fcr, ein \u00fcberwachtes Lernproblem zu l\u00f6sen, bei dem die erwarteten Labels bekannt sind. Genauer gesagt konzentrieren wir uns auf eine bin\u00e4re Klassifizierung. Das Ziel ist es, anhand der K\u00f6rpermerkmale einer Person vorherzusagen, ob sie an Brustkrebs erkrankt ist oder nicht.\"\n    }\n  },{\n    \"@type\": \"Frage\",\n    \"name\": \"Gibt es Grenzen f\u00fcr die Funktion train_test_split?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Die Funktion train_test_split hat jedoch eine wichtige Einschr\u00e4nkung, die mit dem Parameter random_state zusammenh\u00e4ngt. Wenn der Wert f\u00fcr random state eine ganze Zahl ist, werden die Daten durch einen Pseudozufallsgenerator, der mit dieser ganzen Zahl initialisiert wird, getrennt. Die durchgef\u00fchrte Trennung ist reproduzierbar, da derselbe Seed beibehalten wird. Es hat sich jedoch gezeigt, dass die Wahl des Seed die Leistung des zugeh\u00f6rigen Machine-Learning-Modells beeinflusst: Unterschiedliche Seds k\u00f6nnen unterschiedliche Sets und unterschiedliche Punktzahlen erzeugen. Eine L\u00f6sung f\u00fcr dieses Problem besteht darin, die Funktion train_test_split mehrmals mit unterschiedlichen Werten f\u00fcr random_state zu verwenden. Wir k\u00f6nnen dann den Durchschnitt der erzielten Punktzahlen berechnen.\"\n    }\n  }]\n}\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Ein Machine-Learning-Modell ist in der Lage, selbstst\u00e4ndig aus einem Datensatz zu lernen, mit dem Ziel, Verhalten in einem anderen Datensatz vorherzusagen. Dazu findet es zugrunde liegende Beziehungen zwischen unabh\u00e4ngigen erkl\u00e4renden Variablen und einer Zielvariablen im urspr\u00fcnglichen Datensatz. Dann verwendet er diese Muster, um neue Daten vorherzusagen oder zu klassifizieren. Wie wird die Funktion train_test_split definiert? [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":178844,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>train_test_split: Tutorial zur Verwendung dieser Funktion<\/title>\n<meta name=\"description\" content=\"Die Funktion train_test_split ist eine n\u00fctzliche Funktion aus der sklearn.model_selection-Bibliothek in Python. Sie wird h\u00e4ufig verwendet...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/train-test-split\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"train_test_split: Tutorial zur Verwendung dieser Funktion\" \/>\n<meta property=\"og:description\" content=\"Ein Machine-Learning-Modell ist in der Lage, selbstst\u00e4ndig aus einem Datensatz zu lernen, mit dem Ziel, Verhalten in einem anderen Datensatz\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/train-test-split\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-06-23T14:29:01+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T10:59:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/06\/train-test-split.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/train-test-split#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/train-test-split\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"train_test_split: Tutorial zur Verwendung dieser Funktion\",\"datePublished\":\"2023-06-23T14:29:01+00:00\",\"dateModified\":\"2023-10-30T10:59:51+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/train-test-split\"},\"wordCount\":1534,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/train-test-split#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/train-test-split\",\"url\":\"https:\/\/datascientest.com\/de\/train-test-split\",\"name\":\"train_test_split: Tutorial zur Verwendung dieser Funktion\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-06-23T14:29:01+00:00\",\"dateModified\":\"2023-10-30T10:59:51+00:00\",\"description\":\"Die Funktion train_test_split ist eine n\u00fctzliche Funktion aus der sklearn.model_selection-Bibliothek in Python. Sie wird h\u00e4ufig verwendet...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/train-test-split\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"train_test_split: Tutorial zur Verwendung dieser Funktion","description":"Die Funktion train_test_split ist eine n\u00fctzliche Funktion aus der sklearn.model_selection-Bibliothek in Python. Sie wird h\u00e4ufig verwendet...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/train-test-split","og_locale":"de_DE","og_type":"article","og_title":"train_test_split: Tutorial zur Verwendung dieser Funktion","og_description":"Ein Machine-Learning-Modell ist in der Lage, selbstst\u00e4ndig aus einem Datensatz zu lernen, mit dem Ziel, Verhalten in einem anderen Datensatz","og_url":"https:\/\/datascientest.com\/de\/train-test-split","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-06-23T14:29:01+00:00","article_modified_time":"2023-10-30T10:59:51+00:00","og_image":[{"width":1024,"height":512,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/06\/train-test-split.webp","type":"image\/webp"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"9 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/train-test-split#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/train-test-split"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"train_test_split: Tutorial zur Verwendung dieser Funktion","datePublished":"2023-06-23T14:29:01+00:00","dateModified":"2023-10-30T10:59:51+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/train-test-split"},"wordCount":1534,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/train-test-split#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/train-test-split","url":"https:\/\/datascientest.com\/de\/train-test-split","name":"train_test_split: Tutorial zur Verwendung dieser Funktion","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-06-23T14:29:01+00:00","dateModified":"2023-10-30T10:59:51+00:00","description":"Die Funktion train_test_split ist eine n\u00fctzliche Funktion aus der sklearn.model_selection-Bibliothek in Python. Sie wird h\u00e4ufig verwendet...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/train-test-split"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/178842"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=178842"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/178842\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/178844"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=178842"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=178842"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=178842"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}