Anatomia de um modelo de machine learning

Agora, você reforçará sua compreensão de como os dados influenciam o desempenho do modelo. Você trabalhará com o conjunto de dados de reservas do Airbnb (no arquivo booking.csv). O conjunto de dados é adequado para tarefas de classificação para prever se alguém cancelaria uma reserva. Ele contém várias colunas numéricas e categóricas. Você dividirá o conjunto de dados fornecido em três amostras mutuamente exclusivas - train_A.csv, train_B.csv e test.csv - usando o script split_dataset.py. Além disso, para cada conjunto de dados de treinamento, você executará o processamento de dados e o pipeline de treinamento de modelos para treinar um modelo de classificador Random Forest e testar seu desempenho no conjunto de testes usando model_training.py. Os hiperparâmetros definidos em params.json são consistentes em ambas as execuções.

Os scripts Python foram projetados para aceitar argumentos de linha de comando e serem executados via shell. Sinta-se à vontade para explorar esses scripts para enriquecer sua compreensão.