เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Cross Validation สำหรับโมเดลสินเชื่อ

ข้อมูลสินเชื่อมีการเปลี่ยนแปลงอยู่ตลอดเวลา และอาจไม่ตรงกับข้อมูลที่โหลดอยู่ในชุดทดสอบปัจจุบันเสมอไป ดังนั้น จึงสามารถใช้ cross-validation เพื่อทดลองกับชุดเทรนและชุดทดสอบย่อยหลายชุด ซึ่งได้มาจาก X_train และ y_train ต้นฉบับ

ใช้ฟังก์ชัน cv() ของ XGBoost เพื่อทำ cross-validation โดยจำเป็นต้องกำหนดพารามิเตอร์ทั้งหมดที่ cv() จะใช้กับข้อมูลทดสอบ

ชุดข้อมูล X_train และ y_train ถูกโหลดไว้ใน workspace พร้อมกับโมเดลที่เทรนแล้ว gbt และพจนานุกรมพารามิเตอร์ params ซึ่งจะแสดงผลเมื่อแบบฝึกหัดโหลดเสร็จ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การสร้างโมเดลความเสี่ยงด้านเครดิตด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนดจำนวน fold เป็น 5 และค่า stopping เป็น 10 แล้วเก็บไว้เป็น n_folds และ early_stopping
  • สร้าง matrix object DTrain โดยใช้ข้อมูลเทรน
  • ใช้ cv() กับพารามิเตอร์, folds, และ early stopping object แล้วเก็บผลลัพธ์ไว้เป็น cv_df
  • แสดงผลเนื้อหาของ cv_df

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
____(____)
แก้ไขและรันโค้ด