1. 学ぶ
    2. /
  2. コース
    3. /
  3. Zwycięstwo w konkursie Kaggle w Pythonie
Connected

演習

Trenowanie modeli XGBoost

Każda metoda uczenia maszynowego może prowadzić do przeuczenia modelu. Przekonasz się o tym na przykładzie XGBoost. Ponownie pracujemy z konkursem Store Item Demand Forecasting Challenge. DataFrame train jest dostępny w twoim środowisku pracy.

Na początek wytrenujemy kilka modeli XGBoost z różnymi zestawami hiperparametrów, korzystając z API uczenia XGBoost. Jedynym hiperparametrem, który będziesz zmieniać, jest:

  • max_depth – maksymalna głębokość drzewa. Zwiększenie tej wartości sprawia, że model staje się bardziej złożony i bardziej podatny na przeuczenie.

指示1 / 3

undefined XP
  • 1
    • Ustaw maksymalną głębokość na 2, a następnie kliknij przycisk Prześlij odpowiedź, aby wytrenować pierwszy model.
  • 2
    • Teraz ustaw maksymalną głębokość na 8, a następnie kliknij przycisk Prześlij odpowiedź, aby wytrenować drugi model.
  • 3
    • Na koniec ustaw maksymalną głębokość na 15, a następnie kliknij przycisk Prześlij odpowiedź, aby wytrenować trzeci model.