Anatomía de un modelo de aprendizaje automático

Ahora, reforzarás tu comprensión de cómo influyen los datos en el rendimiento del modelo. Trabajarás con el conjunto de datos de reservas de Airbnb (en el archivo booking.csv). El conjunto de datos es adecuado para tareas de clasificación para predecir si alguien cancelaría una reserva. Contiene varias columnas numéricas y categóricas. Dividirás el conjunto de datos proporcionado en tres muestras mutuamente excluyentes - train_A.csv, train_B.csv, y test.csv - utilizando el script split_dataset.py. Además, para cada conjunto de datos de entrenamiento, ejecutarás la tubería de procesamiento de datos y entrenamiento del modelo para entrenar un modelo clasificador Random Forest y probar su rendimiento en el conjunto de prueba utilizando model_training.py. Los hiperparámetros definidos en params.json son coherentes en ambas ejecuciones.

Los scripts de Python están diseñados para aceptar argumentos de la línea de comandos y ejecutarse a través del shell. No dudes en explorar estos guiones para enriquecer tu comprensión.