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.
Produit
Fonctions du logiciel · Séparation des données d’apprentissage
01
Séparez les données d’apprentissage selon l’entité pouvant créer une fuite entre ensembles. Gardez chaque groupe d’un seul côté et ajustez le prétraitement sur l’entraînement avant les lignes réservées.
Projet
Sélectionnez un dossier et demandez à l’assistant de lire les fichiers concernés avant de les modifier. Définissez le résultat attendu et les limites de la tâche.
Modifications
Examinez les changements et les sorties de commandes. Lancez les vérifications du projet avant de valider le résultat : le code généré n’est pas testé automatiquement.
Séparation des données d’apprentissage
● ● ●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