...
Eroare Machine Learning · Împărțirea datelor și validarea încrucișată

ValueError: test_size=30 should be either positive and smaller than the number of samples 10 or a float in the (0, 1) range

Pe scurt

Ai dat test_size un număr care nu are sens: aici 30 (probabil voiai 30%), dar datele au doar 10 rânduri. test_size acceptă fie o fracție între 0 și 1 (0.3 = 30%), fie un număr întreg de rânduri mai mic decât totalul.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

train_test_split interpretează test_size în două feluri, după tip:

  • un float între 0 și 1 este o proporție: 0.3 înseamnă 30% din rânduri;
  • un int este un număr exact de rânduri: 30 înseamnă 30 de rânduri în test.

Dacă scrii test_size=30 gândindu-te la procente, iar tabelul are mai puțin de 30 de rânduri, cererea e imposibilă și primești mesajul acesta. Același lucru se întâmplă cu test_size=1.0 sau test_size=1.5 (proporții care nu lasă nimic pentru antrenare) sau cu un număr negativ. Mesajul îți spune valoarea primită și câte rânduri există, ca să vezi imediat diferența. train_size are exact aceleași reguli și un mesaj similar.

De ce apare: cauzele frecvente

1Procent scris ca număr întreg

Greșit
PYTHON
train_test_split(X, y, test_size=30)
Corect
PYTHON
train_test_split(X, y, test_size=0.3)

0.3 este 30% din rânduri, indiferent câte sunt.

2Proporție care nu lasă nimic pentru antrenare

Greșit
PYTHON
train_test_split(X, y, test_size=1.0)
Corect
PYTHON
train_test_split(X, y, test_size=0.2)

O proporție trebuie să fie strict între 0 și 1, ca ambele seturi să aibă rânduri.

3Număr de rânduri mai mare decât datele

Greșit
PYTHON
train_test_split(X, y, test_size=500)  # X are 200 de rânduri
Corect
PYTHON
train_test_split(X, y, test_size=50)

Un întreg trebuie să fie mai mic decât numărul total de exemple.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: test_size=30 should be either positive and smaller than the number of samples 10..., pentru că 30% a fost scris ca 30. Repară împărțirea: pune 30% din date în test, ca programul să afișeze câte rânduri are fiecare set.

Codul care dă eroarea
PYTHON
import numpy as np
from sklearn.model_selection import train_test_split

X = np.arange(10).reshape(-1, 1)
y = np.array([0, 1, 0, 1, 0, 1, 0, 1, 0, 1])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=30, random_state=42)
print("Train:", len(X_train))
print("Test:", len(X_test))
După reparație, programul afișează
Train: 7
Test: 3
Indiciu

Proporția 30% se scrie test_size=0.3.

Alte forme ale mesajului

  • ValueError: test_size=1.5 should be either positive and smaller than the number of samples 10 or a float in the (0, 1) range
  • ValueError: train_size=100 should be either positive and smaller than the number of samples 80 or a float in the (0, 1) range

Cum o eviți pe viitor

Folosește aproape mereu o proporție (test_size=0.2 sau 0.25), care funcționează oricâte rânduri ai. Dacă vrei un număr fix de rânduri, verifică întâi len(X). Pune și random_state, ca împărțirea să fie aceeași la fiecare rulare. La clasificare adaugă și stratify=y, ca proporția claselor să fie aceeași în train și în test. Afișează len(X_train) și len(X_test) după împărțire, ca să confirmi că ai obținut ce voiai.

Întrebări frecvente

Ce test_size să aleg?

Valori uzuale sunt între 0.2 și 0.3. Cu foarte puține date, un set de test mic e nesigur; acolo validarea încrucișată îți dă o estimare mai bună.

Ce face test_size=0?

E respins: setul de test ar fi gol. Dacă vrei să antrenezi pe toate datele, nu mai apela train_test_split.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.