Modelos crediticios de validación cruzada

Los créditos y sus datos cambian con el tiempo, y no siempre se parecerán a lo que se ha cargado en los conjuntos de pruebas actuales. Así que puedes utilizar la validación cruzada para probar varios conjuntos de entrenamiento y prueba más pequeños que se deriven de los originales X_train y y_train.

Utiliza la función XGBoost cv() para realizar la validación cruzada. Tendrás que configurar todos los parámetros para que cv() los utilice en los datos de prueba.

Los conjuntos de datos X_train, y_train se cargan en el espacio de trabajo junto con el modelo entrenado gbt, y el diccionario de parámetros params que se imprimirá una vez cargado el ejercicio.

Este ejercicio forma parte del curso

Modelado del riesgo crediticio en Python

Ver curso

Instrucciones de ejercicio

Ajusta el número de pliegues a 5 y la parada a 10. Guárdalos como n_folds y early_stopping.
Crea el objeto matriz DTrain utilizando los datos de entrenamiento.
Utiliza cv() en los parámetros, pliegues y objetos de parada anticipada. Guarda los resultados como cv_df.
Imprime el contenido de cv_df.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Set the values for number of folds and stopping iterations
____ = ____
____ = ____

# Create the DTrain matrix for XGBoost
____ = xgb.____(____, label = ____)

# Create the data frame of cross validations
____ = xgb.cv(____, ____, num_boost_round = 5, nfold=____,
            early_stopping_rounds=____)

# Print the cross validations data frame
____(____)

Editar y ejecutar código