Je souhaite diviser un ensemble de données très volumineux (plus d'un million d'observations) en un ensemble de tests et de trains. Comme, vous pouvez voir que j'ai déjà réussi à effectuer quelque chose de similaire dans le code ci-dessous avec l'utilisation de dividerand
.Jeu de données divisé pour tester et former MATLAB
Ce que le code fait est que nous avons un très grand ensemble X
, à chaque itération nous sélectionnons N = 1700 variables, puis je les divise dans un rapport 7/3 - train/test. Mais, ce que je voudrais encore faire, c'est au lieu d'utiliser %'s
avec le dividerand
pour utiliser des valeurs spécifiques. Par exemple, divisez les données en mini-lots de taille 2000, puis utilisez 500 pour le test et 1500 pour la formation. Encore une fois, dans la prochaine boucle, nous allons sélectionner les données (2001: 4000) et les diviser en 500 test et 1500 train etc.
Encore une fois, dividerand
permet de faire cela avec des ratios, mais je voudrais utiliser des valeurs réelles.
X = randn(10000,9);
mu_6 = zeros(510,613); % 390/802 - 450/695 - 510/613 - Test/Iterations
s2_6 = zeros(510,613);
nl6 = zeros(613,1);
RSME6 = zeros(613,1);
prev_batch = 0;
inf = @infGaussLik;
meanfunc = []; % empty: don't use a mean function
covfunc = @covSEiso; % Squared Exponential covariance
likfunc = @likGauss; % Gaussian likelihood
for k=1:613
new_batch = k*1700;
X_batch = X(1+prev_batch:new_batch,:);
[train,~,test] = dividerand(transpose(X_batch),0.7,0,0.3);
train = transpose(train);
test = transpose(test);
x_t = train(:,1:8); % Train batch we get 910 values
y_t = train(:,9);
x_z = test(:,1:8); % Test batch we get 390 values
y_z = test(:,9);
% Calculations for Gaussian process regression
if k==1
hyp = struct('mean', [], 'cov', [0 0], 'lik', -1);
else
hyp = hyp2;
end
hyp2 = minimize(hyp, @gp, -100, inf, meanfunc, covfunc, likfunc, x_t, y_t);
[m4 s4] = gp(hyp2, inf, meanfunc, covfunc, likfunc, x_t, y_t, x_z);
[nlZ4,dnlZ4] = gp(hyp2, inf, meanfunc, covfunc, likfunc, x_t, y_t);
RSME6(k,1) = sqrt(sum(((m4-y_z).^2))/450);
nl6(k,1) = nlZ4;
mu_6(:,k) = m4;
s2_6(:,k) = s4;
% End of calculations
prev_batch = new_batch;
disp(k);
end