Modellen
Stel een OpenAI-compatibel of Anthropic-endpoint in met de basis-URL en zo nodig een API-sleutel. Test de verbinding. Een lokale modelserver moet actief zijn; externe hulpmiddelen kunnen apart gegevens versturen.
AI-werkruimte voor code
Datasplitsingen voor machinelearning
Splits leerdata op de entiteit die tussen sets kan lekken.
● ● ●Model Ledger●
Werkprocessen · Datasplitsingen voor machinelearning ×
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)✳Splits leerdata op de entiteit die tussen sets kan lekken.
✓ WijzigingenControleer vóór het toepassen ↗
Illustratie van de werkruimte
Project
Houd elke groep aan één kant en pas voorbewerking aan op trainingsdata vóór de apart gehouden rijen.
Controleer vóór het toepassen
Vergelijk het werkelijke gedrag met het verwachte resultaat. Onderzoek een mislukte controle voordat je verdergaat met wijzigingen.
Werkprocessen
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)