تقسيم البيانات إلى تدريب واختبار Train/Test Split

الصياغة

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,      # 20% للاختبار
    random_state=42,    # بذرة للتكرار
    stratify=y          # يحافظ على نسبة الفئات
)

📄 مثال

from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

X, y = load_wine(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=42, stratify=y
)

model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)
print(f"دقة التدريب: {model.score(X_train, y_train):.2f}")
print(f"دقة الاختبار: {model.score(X_test, y_test):.2f}")

أهم النقاط

💡 نصائح عملية

• ثبّت random_state في كل التجارب لتكون النتائج قابلة للتكرار — وإلا ستحصل على نتائج مختلفة كل مرة
• حين تكون الفئات غير متوازنة بشدة (مثل 99% فئة واحدة)، استخدم stratify=y حتمًا

⚠️ أخطاء شائعة

• استخدام بيانات الاختبار في اختيار النموذج — يجعل التقييم النهائي متفائلًا بشكل مضلل
• تطبيق preprocessing (مثل StandardScaler) على كامل البيانات قبل التقسيم — يسبب تسريب بيانات (data leakage)

خصائص ذات صلة