교차 검증 테스트의 한계

극단적으로 많은 교차 검증을 수행하려면 nfold와 num_boost_round에 매우 큰 값을 지정할 수 있어요. 데이터 프레임 cv_results_big은 이미 작업 공간에 로드되어 있으며, 다음 코드로 생성되었어요:

cv = xgb.cv(params, DTrain, num_boost_round = 600, nfold=10,
            shuffle = True)

여기서 cv()는 무려 600번의 교차 검증 반복을 수행했어요! shuffle 매개변수는 매번 레코드를 섞도록 함수에 지시해요.

이 데이터에서 AUC가 어떻게 나오는지 확인하고, 교차 검증으로 1.0에 도달하는지 점검해 보세요. 또한 테스트 AUC 점수를 그래프로 그려 변화 추이를 살펴보세요.

데이터 프레임 cv_results_big은 작업 공간에 로드되어 있어요.

이 연습은 강의의 일부입니다

Python으로 배우는 신용 리스크 모델링

강의 보기

연습 안내

CV 결과 데이터 프레임의 처음 다섯 행을 출력하세요.
CV 결과 데이터 프레임에서 테스트 세트 AUC의 평균을 소수점 둘째 자리까지 반올림해 출력하세요.
각 반복에 따른 테스트 세트 AUC의 변화를 선 그래프로 그리세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Print the first five rows of the CV results data frame
print(____.____())

# Calculate the mean of the test AUC scores
print(np.____(____[____]).round(2))

# Plot the test AUC scores for each iteration
plt.____(____[____])
plt.title('Test AUC Score Over 600 Iterations')
plt.xlabel('Iteration Number')
plt.ylabel('Test AUC Score')
plt.____()

코드 편집 및 실행