शुरू करेंमुफ़्त में शुरू करें

AUC मापना

अब जब आपने cross-validation का उपयोग करके औसत out-of-sample accuracy (error से कन्वर्ट करने के बाद) निकाली है, तो आपके लिए कोई भी अन्य metric निकालना बहुत आसान है जिसमें आपकी रुचि हो। आपको बस उसे (या metrics की एक लिस्ट) xgb.cv() के metrics पैरामीटर में argument के रूप में पास करना है।

इस अभ्यास में आपका काम binary classification में इस्तेमाल होने वाले एक और आम metric की गणना करना है — area under the curve ("auc"). पहले की तरह, churn_data आपके workspace में उपलब्ध है, साथ ही DMatrix churn_dmatrix और पैरामीटर डिक्शनरी params भी।

यह अभ्यास पाठ्यक्रम का हिस्सा है

XGBoost के साथ Extreme Gradient Boosting

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 5 boosting rounds और "auc" metric के साथ 3-fold cross-validation चलाएँ।
  • cv_results की "test-auc-mean" कॉलम को प्रिंट करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Perform cross_validation: cv_results
cv_results = ____(dtrain=____, params=____, 
                  nfold=____, num_boost_round=____, 
                  metrics="____", as_pandas=True, seed=123)

# Print cv_results
print(cv_results)

# Print the AUC
print((cv_results["____"]).iloc[-1])
कोड संपादित करें और चलाएँ