1. Учиться
    2. /
  2. Courses
    3. /
  3. Pythonで挑むKaggleコンペティション
Connected

Exercise

XGBoostモデルを学習する

どのMachine Learning手法でも、過学習が起こり得ます。ここではXGBoostを使った例でそれを確認します。今回も、Store Item Demand Forecasting Challengeのデータを使います。train DataFrameはワークスペースに用意されています。

まず、XGBoostのLearning APIを用いて、ハイパーパラメータの異なる複数のXGBoostモデルを学習してみましょう。変更するハイパーパラメータは1つだけです。

  • max_depth - 木の最大深さ。この値を大きくするとモデルは複雑になり、過学習のリスクが高まります。

Инструкции 1 / 3

undefined XP
  • 1
    • 最大深さを 2 に設定してください。その後、"Submit Answer" を押して最初のモデルを学習します。
  • 2
    • 次に、最大深さを 8 に設定してください。その後、"Submit Answer" を押して2つ目のモデルを学習します。
  • 3
    • 最後に、最大深さを 15 に設定してください。その後、"Submit Answer" を押して3つ目のモデルを学習します。