Validare încrucișată K-fold

Vei începe prin a dobândi experiență practică cu cea mai utilizată tehnică de validare încrucișată: K-fold.

Datele cu care vei lucra provin din competiția Kaggle „Two sigma connect: rental listing inquiries". Problema constă într-o clasificare multi-clasă a anunțurilor de închiriere în 3 categorii: interes scăzut, interes mediu și interes ridicat. Pentru performanță mai bună, vei lucra cu un subset de 1.000 de observații.

Trebuie să implementezi o strategie de validare K-fold și să analizezi dimensiunile fiecărui fold obținut. DataFrame-ul train este deja disponibil în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Câștigarea unei competiții Kaggle în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează un obiect KFold cu 3 folduri.
Parcurge fiecare împărțire folosind obiectul kf.
Pentru fiecare împărțire, selectează foldurile de antrenament și testare folosind train_index și test_index.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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

Editează și rulează codul