Validação cruzada K-fold

Você vai começar ganhando prática com a validação cruzada K-fold, a mais utilizada.

Os dados que você vai usar são da competição do Kaggle "Two sigma connect: rental listing inquiries". O problema da competição é uma classificação multiclasse dos anúncios de aluguel em 3 classes: baixo interesse, médio interesse e alto interesse. Para acelerar a execução, você vai trabalhar com uma subamostra composta por 1.000 observações.

Você precisa implementar uma estratégia de validação K-fold e conferir os tamanhos de cada dobras obtidas. O DataFrame train já está disponível no seu workspace.

Este exercício faz parte do curso

Vencendo uma competição do Kaggle em Python

Ver curso

Instruções do exercício

Crie um objeto KFold com 3 dobras.
Faça um loop sobre cada divisão usando o objeto kf.
Para cada divisão, selecione as dobras de treino e teste usando train_index e test_index.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import KFold
from sklearn.model_selection import KFold

# Create a KFold object
kf = ____(n_splits=____, shuffle=True, random_state=123)

# Loop through each split
fold = 0
for train_index, test_index in ____.____(train):
    # Obtain training and testing folds
    cv_train, cv_test = train.iloc[____], train.iloc[____]
    print('Fold: {}'.format(fold))
    print('CV train shape: {}'.format(cv_train.shape))
    print('Medium interest listings in CV train: {}\n'.format(sum(cv_train.interest_level == 'medium')))
    fold += 1

Editar e executar o código