Korsvalidering av kreditmodeller

Kreditlån och tillhörande data förändras över tid och ser inte alltid ut som det som finns i de aktuella testseten. Därför kan du använda korsvalidering för att prova flera mindre tränings- och testset som härleds från de ursprungliga X_train och y_train.

Använd XGBoost-funktionen cv() för att utföra korsvalidering. Du behöver ange alla parametrar som cv() ska använda på testdata.

Datamängderna X_train och y_train är inlästa i arbetsytan tillsammans med den tränade modellen gbt och parameterordboken params, som skrivs ut när övningen läses in.

Den här övningen är en del av kursen

Kreditriskmodellering i Python

Visa kurs

Övningsinstruktioner

Ange antalet veck till 5 och tidig stopptröskeln till 10. Lagra dem som n_folds respektive early_stopping.
Skapa matrisobjektet DTrain med hjälp av träningsdatan.
Kör cv() med parametrarna, vecken och objektet för tidig stopp. Lagra resultaten som cv_df.
Skriv ut innehållet i cv_df.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Set the values for number of folds and stopping iterations
____ = ____
____ = ____

# Create the DTrain matrix for XGBoost
____ = xgb.____(____, label = ____)

# Create the data frame of cross validations
____ = xgb.cv(____, ____, num_boost_round = 5, nfold=____,
            early_stopping_rounds=____)

# Print the cross validations data frame
____(____)

Redigera och kör kod