测试数据集的均匀抽取

在有监督学习中,需要从训练数据集中均匀抽取测试数据集。本文介绍了如何通过考虑点的位置和距离来实现这一目标。首先,通过奇偶性划分点集,然后在乱序分布中,依据点到特定点的距离分组,确保测试数据集和训练数据集差异最大化且分布均匀。最后,给出了Python实现的伪代码和运行结果。
摘要由CSDN通过智能技术生成

在进行有监督的机器学习时,数据集一般分为测试数据集和训练数据集。

 一、问题描述:

 从下图中的训练数据集(红点)中分离出测试数据集(蓝点),使两者彼此差异最大,且各自均匀平铺。

 

二、步骤及结果:

 (1)在以下坐标均匀分布的点集中如何解决?

0,0

0,1

0,2

0,3

0,4

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值