शुरू करेंमुफ़्त में शुरू करें

क्रेडिट मॉडल्स का क्रॉस वैलिडेशन

क्रेडिट लोन और उनका डेटा समय के साथ बदलता रहता है, और वह हमेशा मौजूदा test सेट जैसा नहीं दिखेगा। इसलिए, आप cross-validation का उपयोग करके कई छोटे training और test सेट आज़मा सकते हैं, जो मूल X_train और y_train से निकाले जाते हैं।

XGBoost फंक्शन cv() का उपयोग करके cross-validation चलाइए। आपको test डेटा पर उपयोग के लिए cv() के सभी parameters सेट करने होंगे।

वर्कस्पेस में X_train, y_train डेटा सेट, प्रशिक्षित मॉडल gbt, और parameter डिक्शनरी params लोड हैं, जो अभ्यास लोड होते ही प्रिंट हो जाएगी।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्रेडिट रिस्क मॉडलिंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • folds की संख्या 5 सेट करें और stopping को 10 रखें। इन्हें n_folds और early_stopping के रूप में स्टोर करें।
  • training डेटा का उपयोग करके matrix ऑब्जेक्ट DTrain बनाएँ।
  • parameters, folds, और early stopping ऑब्जेक्ट्स के साथ cv() का उपयोग करें। परिणामों को cv_df के रूप में स्टोर करें।
  • cv_df की सामग्री प्रिंट करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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
____(____)
कोड संपादित करें और चलाएँ