शुरू करेंमुफ़्त में शुरू करें

XGBoost मॉडल ट्रेन करें

हर Machine Learning विधि में ओवरफिट होने की संभावना रहती है. आप इसे इस उदाहरण में XGBoost के साथ देखेंगे. यहाँ भी आप Store Item Demand Forecasting Challenge पर काम कर रहे हैं. train DataFrame आपके वर्कस्पेस में उपलब्ध है.

सबसे पहले, XGBoost की लर्निंग API का उपयोग करके अलग-अलग हाइपरपैरामीटर्स सेट के साथ कई XGBoost मॉडल ट्रेन करें. वह एकमात्र हाइपरपैरामीटर जिसे आप बदलेंगे:

  • max_depth - एक ट्री की अधिकतम गहराई. इसे बढ़ाने से मॉडल अधिक जटिल हो जाएगा और ओवरफिट होने की संभावना बढ़ेगी.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Kaggle प्रतियोगिता जीतना

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

import xgboost as xgb

# Create DMatrix on train data
dtrain = xgb.DMatrix(data=train[['store', 'item']],
                     label=train['sales'])

# Define xgboost parameters
params = {'objective': 'reg:squarederror',
          '____': ____,
          'verbosity': 0}

# Train xgboost model
xg_depth_2 = xgb.train(params=params, dtrain=dtrain)
कोड संपादित करें और चलाएँ