Data sampling library
Project description
Sampling Strategies
K-Fold cross-validation
In K-fold cross-validation, the aim is to generate K training/validation set pair, where training and validation sets on fold i do no overlap. First, we divide the dataset X into K parts as X1; X2; ... ; XK. Then for each fold i, we use Xi as the validation set and the remaining as the training set.
Possible values of K are 10 or 30. One extreme case of K-fold cross-validation is leave-one-out, where K = N and each validation set has only one instance. If we have more computation power, we can have multiple runs of K-fold cross-validation, such as 10 x 10 cross-validation or 5 x 2 cross-validation.
Bootstrapping
If we have very small datasets, we do not insist on the non-overlap of training and validation sets. In bootstrapping, we generate K multiple training sets, where each training set contains N examples (like the original dataset). To get N examples, we draw examples with replacement. For the validation set, we use the original dataset. The drawback of bootstrapping is that the bootstrap samples overlap more than the cross-validation sample, hence they are more dependent.
Video Lectures
For Developers
You can also see Cython, Java, C++, Swift, Js, or C# repository.
Requirements
Python
To check if you have a compatible version of Python installed, use the following command:
python -V
You can find the latest version of Python here.
Git
Install the latest version of Git.
Pip Install
pip3 install NlpToolkit-Sampling
Download Code
In order to work on code, create a fork from GitHub page. Use Git for cloning the code to your local or below line for Ubuntu:
git clone <your-fork-git-link>
A directory called Sampling will be created. Or you can use below link for exploring the code:
git clone https://github.com/starlangsoftware/Sampling-Py.git
Open project with Pycharm IDE
Steps for opening the cloned project:
- Start IDE
- Select File | Open from main menu
- Choose
Sampling-PY
file - Select open as project option
- Couple of seconds, dependencies will be downloaded.
Detailed Description
CrossValidation
k. eğitim kümesini elde etmek için
getTrainFold(self, k: int) -> list
k. test kümesini elde etmek için
getTestFold(self, k: int) -> list
Bootstrap
Bootstrap için BootStrap sınıfı
Bootstrap(self, instanceList: list, seed: int)
Örneğin elimizdeki veriler a adlı ArrayList'te olsun. Bu veriler üstünden bir bootstrap örneklemi tanımlamak için (5 burada rasgelelik getiren seed'i göstermektedir. 5 değiştirilerek farklı samplelar elde edilebilir)
bootstrap = Bootstrap(a, 5)
ardından üretilen sample'ı çekmek için ise
sample = bootstrap.getSample()
yazılır.
KFoldCrossValidation
K kat çapraz geçerleme için KFoldCrossValidation sınıfı
KFoldCrossValidation(self, instanceList: list, K: int, seed: int)
Örneğin elimizdeki veriler a adlı ArrayList'te olsun. Bu veriler üstünden 10 kat çapraz geçerleme yapmak için (2 burada rasgelelik getiren seed'i göstermektedir. 2 değiştirilerek farklı samplelar elde edilebilir)
kfold = KFoldCrossValidation(a, 10, 2)
ardından yukarıda belirtilen getTrainFold ve getTestFold metodları ile sırasıyla i. eğitim ve test kümeleri elde edilebilir.
StratifiedKFoldCrossValidation
Stratified K kat çapraz geçerleme için StratifiedKFoldCrossValidation sınıfı
StratifiedKFoldCrossValidation(self, instanceLists: list, K: int, seed: int)
Örneğin elimizdeki veriler a adlı ArrayList of listte olsun. Stratified bir çapraz geçerlemede sınıflara ait veriler o sınıfın oranında temsil edildikleri için her bir sınıfa ait verilerin ayrı ayrı ArrayList'te olmaları gerekmektedir. Bu veriler üstünden 30 kat çapraz geçerleme yapmak için (4 burada rasgelelik getiren seed'i göstermektedir. 4 değiştirilerek farklı samplelar elde edilebilir)
stratified = StratifiedKFoldCrossValidation(a, 30, 4)
ardından yukarıda belirtilen getTrainFold ve getTestFold metodları ile sırasıyla i. eğitim ve test kümeleri elde edilebilir.
Project details
Download files
Download the file for your platform. If you're not sure which to choose, learn more about installing packages.
Source Distribution
Hashes for NlpToolkit-Sampling-1.0.7.tar.gz
Algorithm | Hash digest | |
---|---|---|
SHA256 | 40f2992c1914ca68b87b24c9c1007c518efb09477bfb9af45ac43e998045c8f9 |
|
MD5 | ae0da061ea43e76e897f36eb55ef458a |
|
BLAKE2b-256 | 14511e65a7a461dcad275e046841bc3fbd28b68a3c63965f3ab590bafcf0a873 |