1. Nauka
    2. /
  2. Kursy
    3. /
  3. Modelowanie ryzyka kredytowego w Pythonie
Connected

ćwiczenie

Ograniczenia testowania za pomocą walidacji krzyżowej

Możesz ustawić bardzo duże wartości zarówno dla nfold, jak i num_boost_round, jeśli chcesz przeprowadzić intensywną walidację krzyżową. Ramka danych cv_results_big została już wczytana do przestrzeni roboczej i powstała przy użyciu następującego kodu:

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

W tym przypadku cv() wykonało 600 iteracji walidacji krzyżowej! Parametr shuffle nakazuje funkcji losowe przetasowanie rekordów przy każdej iteracji.

Przyjrzyj się tym danym, sprawdź uzyskane wartości AUC i zweryfikuj, czy przy użyciu walidacji krzyżowej osiągają one 1.0. Narysuj też wykres wyniku AUC ze zbioru testowego, aby zobaczyć, jak zmienia się on w kolejnych iteracjach.

Ramka danych cv_results_big została wczytana do przestrzeni roboczej.

Instrukcje

100 XP
  • Wyświetl pierwsze pięć wierszy ramki danych z wynikami walidacji krzyżowej.
  • Wyświetl średnią wartość AUC ze zbioru testowego z ramki danych z wynikami walidacji krzyżowej, zaokrągloną do dwóch miejsc po przecinku.
  • Narysuj wykres liniowy przedstawiający wartość AUC ze zbioru testowego w kolejnych iteracjach.