K-fold křížová validace

Začneš tím, že si prakticky vyzkoušíš nejpoužívanější metodu K-fold křížové validace.

Data, se kterými budeš pracovat, pocházejí z Kaggle soutěže „Two Sigma Connect: Rental Listing Inquiries". Úloha spočívá v klasifikaci nabídek pronájmu do 3 tříd: nízký zájem, střední zájem a vysoký zájem. Pro lepší výkon budeš pracovat se vzorkem 1 000 pozorování.

Tvým úkolem je implementovat strategii K-fold validace a podívat se na velikosti jednotlivých foldů. DataFrame train je v tvém pracovním prostředí již k dispozici.

Toto cvičení je součástí kurzu

Jak vyhrát soutěž na Kaggle v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř objekt KFold se 3 foldy.
Pomocí objektu kf projdi smyčkou každé rozdělení.
Pro každé rozdělení vyber trénovací a testovací foldy pomocí train_index a test_index.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import KFold
from sklearn.model_selection import KFold

# Create a KFold object
kf = ____(n_splits=____, shuffle=True, random_state=123)

# Loop through each split
fold = 0
for train_index, test_index in ____.____(train):
    # Obtain training and testing folds
    cv_train, cv_test = train.iloc[____], train.iloc[____]
    print('Fold: {}'.format(fold))
    print('CV train shape: {}'.format(cv_train.shape))
    print('Medium interest listings in CV train: {}\n'.format(sum(cv_train.interest_level == 'medium')))
    fold += 1

Upravit a spustit kód