Modèles
Configurez un endpoint compatible OpenAI ou Anthropic avec son URL de base et une clé API si nécessaire. Testez la connexion. Un serveur local doit fonctionner ; les outils distants peuvent transmettre des données séparément.
Espace de développement avec IA
Séparation des données d’apprentissage
Séparez les données d’apprentissage selon l’entité pouvant créer une fuite entre ensembles.
● ● ●Model Ledger●
Méthodes de travail · Séparation des données d’apprentissage ×
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)✳Séparez les données d’apprentissage selon l’entité pouvant créer une fuite entre ensembles.
✓ ModificationsVérifiez avant d’appliquer ↗
Illustration de l’espace de travail
Projet
Gardez chaque groupe d’un seul côté et ajustez le prétraitement sur l’entraînement avant les lignes réservées.
Vérifiez avant d’appliquer
Comparez le comportement observé au résultat attendu. Si une vérification échoue, cherchez la cause avant de poursuivre les modifications.
Méthodes de travail
train_groups, test_groups = split_groups(group_ids)
assert not set(train_groups) & set(test_groups)
train = rows_in_groups(data, train_groups)
test = rows_in_groups(data, test_groups)