Post#چالش_پایتون_در_هوش_مصنوعی

#چالش_پایتون_در_هوش_مصنوعی 🔵 فاز ۳ – قسمت ۲: داده‌های آموزشی و تست چیه؟ 📂🤖 برای اینکه یک مدل یادگیری ماشین درست تربیت بشه، باید داده‌هامون رو درست تقسیم کنیم. این کار باعث می‌شه مدل هم یاد بگیره و هم آزمون پس بده! 😎 🧩 چرا داده‌ها رو تقسیم می‌کنیم؟ وقتی همه داده‌ها رو بدیم به مدل، فقط حفظ می‌کنه! ولی وقتی یک بخش رو نگه می‌داریم برای تست، مدل یاد می‌گیره عمومی فکر کنه و واقعی‌تر رفتار کنه. 📌 انواع داده‌ها: 1️⃣ داده‌های آموزشی (Training Data) اینا داده‌هایی هستن که مدل روشون یاد می‌گیره. مثلاً یاد می‌گیره قیمت خانه‌ها با متراژ چطور تغییر می‌کنه. 2️⃣ داده‌های تست (Test Data) این بخش رو به مدل نمی‌دیم تا آخر کار! در پایان می‌خوایم ببینیم چقدر خوب یاد گرفته. 🔍 نکته مهم معمولاً 70٪ تا 80٪ داده‌ها برای آموزش و 20٪ تا 30٪ برای تست استفاده می‌شه. 🧪 یک مثال واقعی با Scikit-learn: from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42 ) این یعنی ۸۰٪ آموزش — ۲۰٪ تست ✔️ 🎯 چرا این مرحله مهمه؟ چون اگر مدل روی داده‌های جدید (که ندیده) عملکرد خوبی داشته باشه، یعنی واقعا فهمیده! وگرنه یعنی فقط حفظ کرده 😅 👀 قسمت بعدی: آشنایی با الگوریتم رگرسیون خطی 📈 🗂 مرکز آموزش پایتون ➖➖➖➖➖➖➖➖ 🚀@pythonchallenge