Krzyżowa walidacja modeli kredytowych

Dane dotyczące kredytów zmieniają się z czasem i nie zawsze będą wyglądać tak samo jak te załadowane do bieżących zbiorów testowych. Możesz jednak skorzystać z walidacji krzyżowej, aby przetestować model na kilku mniejszych zbiorach treningowych i testowych, wygenerowanych na podstawie oryginalnych X_train i y_train.

Użyj funkcji XGBoost cv(), aby przeprowadzić walidację krzyżową. Musisz skonfigurować wszystkie parametry niezbędne do działania cv() na danych testowych.

Zbiory danych X_train, y_train są załadowane w przestrzeni roboczej wraz z wytrenowanym modelem gbt oraz słownikiem parametrów params, który zostanie wyświetlony po załadowaniu ćwiczenia.

To ćwiczenie jest częścią kursu

Modelowanie ryzyka kredytowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Ustaw liczbę podziałów na 5, a wczesne zatrzymanie na 10. Zapisz je jako n_folds i early_stopping.
Utwórz obiekt macierzowy DTrain, korzystając z danych treningowych.
Wywołaj cv() z parametrami, podziałami i obiektem wczesnego zatrzymania. Wynik zapisz jako cv_df.
Wyświetl zawartość cv_df.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
____(____)

Edytuj i uruchom kod