WEBVTT 00:00:00.000 --> 00:00:01.680 >> Maintenant, il est temps de diviser nos données 00:00:01.680 --> 00:00:03.780 dans la formation des données et les données de test. 00:00:03.780 --> 00:00:06.375 J’aime penser à c’est comme un examen. 00:00:06.375 --> 00:00:08.700 Les données de formation sont comme un examen de pratique. 00:00:08.700 --> 00:00:10.260 Les questions ne sont pas exactement les 00:00:10.260 --> 00:00:12.090 même qu’ils vont d’être à l’épreuve, 00:00:12.090 --> 00:00:14.805 mais si vous pratiquez et vous obtenez ces droit, 00:00:14.805 --> 00:00:17.520 vous êtes plus susceptible d’obtenir les questions de test à droite. 00:00:17.520 --> 00:00:21.210 De même, le modèle utilisera les données de formation à apprendre, 00:00:21.210 --> 00:00:23.970 et puis nous allons envoyer le tester les données sur le modèle, 00:00:23.970 --> 00:00:25.395 et il va essayer de prédire. 00:00:25.395 --> 00:00:28.275 Nous comparerons les prédictions du modèle 00:00:28.275 --> 00:00:31.020 avec les données de test pour le marquer, 00:00:31.020 --> 00:00:32.940 tout comme un instructeur pourrait utiliser 00:00:32.940 --> 00:00:35.760 une clé d’examen pour voir comment eh bien vous avez fait sur un examen. 00:00:35.760 --> 00:00:37.740 Alors commençons à diviser 00:00:37.740 --> 00:00:40.260 nos données entre la formation données et de test. 00:00:40.260 --> 00:00:42.530 Comme toujours, des ressources supplémentaires sont 00:00:42.530 --> 00:00:45.690 lié à l’écran et vers le bas dans la description ci-dessous. 00:00:45.920 --> 00:00:50.310 C’est en fait assez simple à l’intérieur d’un cahier Jupyter. 00:00:50.310 --> 00:00:53.900 Nous allons créer un variable locale appelée train, 00:00:53.900 --> 00:00:58.430 et ce sera tout notre données d’avant le 31 août, 00:00:58.430 --> 00:01:01.885 2012, y compris à cette date. 00:01:01.885 --> 00:01:03.860 Pour faciliter le travail, 00:01:03.860 --> 00:01:06.965 nous allons convertir que dans un Pandas DataFrame. 00:01:06.965 --> 00:01:10.190 Pourquoi avons-nous choisi le 31 août ? 00:01:10.190 --> 00:01:12.035 Eh bien, si nous regardons en arrière à nos données, 00:01:12.035 --> 00:01:15.680 nous pouvons voir qu’il commence le 1er janvier 2011, 00:01:15.680 --> 00:01:22.520 et nous avons des données de chaque jusqu’au 31 décembre 2012. 00:01:22.520 --> 00:01:26.240 Donc, en choisissant le 31 août 2012, 00:01:26.240 --> 00:01:28.220 nous choisissons 75 pour cent de 00:01:28.220 --> 00:01:30.625 nos données à utiliser comme notre ensemble de formation. 00:01:30.625 --> 00:01:33.585 Fondamentalement, nous voulons juste prendre les 25 pour cent autres, 00:01:33.585 --> 00:01:35.925 et enregistrer cela pour notre ensemble de tests. 00:01:35.925 --> 00:01:39.470 Faisons fonctionner cette cellule pour vérifier que les cinq dernières rangées de 00:01:39.470 --> 00:01:42.020 ce DataFrame sont les cinq derniers jours de 00:01:42.020 --> 00:01:45.025 août 2012. Ça a l’air juste. 00:01:45.025 --> 00:01:46.685 Maintenant, pour nos données de test, 00:01:46.685 --> 00:01:48.815 nous allons essentiellement de faire la même chose, 00:01:48.815 --> 00:01:52.265 mais cette fois, nous allons à partir du 1er septembre, 00:01:52.265 --> 00:01:57.250 2012, et nous voulons être inclusifs de cette frontière ainsi. 00:01:57.250 --> 00:01:59.735 Notez que nous avons changé un couple de choses ici. 00:01:59.735 --> 00:02:04.620 La première est que nous voulons tous les lignes après la date du 1er septembre, 00:02:04.620 --> 00:02:07.190 2012, par rapport à nos données de formation, 00:02:07.190 --> 00:02:09.820 nous voulions toutes les dates avant, 00:02:09.820 --> 00:02:11.690 et nous allons aussi imprimer 00:02:11.690 --> 00:02:14.195 les cinq premières lignes de ce DataFrame 00:02:14.195 --> 00:02:16.190 plutôt que les cinq derniers à faire 00:02:16.190 --> 00:02:18.650 sûr que nous obtenons le les cinq premiers jours de septembre. 00:02:18.650 --> 00:02:20.900 Ça a l’air bien. On dirait qu’on a 00:02:20.900 --> 00:02:24.480 nos données de formation et notre test des données prêtes à l’emploi.