Version imprimable
Bonjour,
j'ai un jeu de données qui contient peu d'observations . afin d'augmenter le nombre d'observations , je veux utiliser les données de 2017 comme une base d'apprentissage train et les données de 2018 pour une base de test sachant que les deux bases contiennent les mêmes variables .
Ma question est la suivante :
Est que je peux prendre les deux bases test et train séparément ou je dois les fusionner avant de répartir en base et train
:salut:
Si tes deux années suivent la même distribution de probabilité (pour parler en termes théoriques), c'est-à-dire si les données "ont la même gueule" (pas de classe surreprésentée une année et pas l'autre, par exemple), tu peux procéder comme ça. Avoir les mêmes colonnes n'est pas suffisant (tu risques d'avoir une évaluation complètement faussée de ton modèle). Sinon, tu fusionnes toutes tes données, puis tu as plus de flexibilité : par exemple, 80 % d'entraînement et 20 % de test, validation croisée.
Merci beaucoup pour votre réponse