Anatomia de um modelo de Machine Learning
Agora, você vai reforçar seu entendimento de como os dados influenciam o desempenho do modelo. Você trabalhará com o conjunto de dados de reservas do Airbnb (no arquivo booking.csv). Esse conjunto é adequado para tarefas de classificação para prever se alguém vai cancelar uma reserva. Ele contém várias colunas numéricas e categóricas.
Você dividirá o conjunto de dados em três amostras mutuamente exclusivas — train_A.csv, train_B.csv e test.csv — usando o script split_dataset.py. Em seguida, para cada conjunto de treinamento, você executará o pipeline de processamento de dados e treino do modelo para treinar um modelo Random Forest Classifier e testar seu desempenho no conjunto de teste usando model_training.py. Os hiperparâmetros definidos em params.json são os mesmos nas duas execuções.
Os scripts em Python foram projetados para aceitar argumentos de linha de comando e rodar via shell. Fique à vontade para explorar esses scripts e aprofundar seu entendimento.
Este exercicio faz parte do curso
Introdução ao Controle de Versão de Dados com DVC
exercicio interativo prático
Transforme teoria em prática com um dos nossos exercicio interativos
Iniciar exercicio