1. Обучение
    2. /
  2. Курса
    3. /
  3. Победа в соревновании Kaggle на Python
Connected

Упражнение

Стратифицированный K-блочный метод

Как вы только что заметили, распределение целевой переменной между блоками получается довольно неравномерным из-за случайного разбиения. Для данного соревнования это не критично, однако в задачах классификации с сильно несбалансированной целевой переменной такая ситуация может стать серьёзной проблемой.

Чтобы избежать этого, реализуем стратегию стратифицированного K-блочного разбиения с использованием целевой переменной. DataFrame train уже доступен в вашем рабочем пространстве.

Инструкции

100 XP
  • Создайте объект StratifiedKFold с 3 блоками и перемешиванием.
  • Переберите все разбиения с помощью объекта str_kf. Стратификация выполняется по столбцу "interest_level".
  • Для каждого разбиения выберите обучающий и тестовый блоки с помощью train_index и test_index.