Kredi modellerinde çapraz doğrulama

Kredi başvuruları ve verileri zamanla değişir ve her zaman mevcut test kümelerine yüklenenlerle aynı görünmez. Bu yüzden, orijinal X_train ve y_train'den türetilen birkaç daha küçük eğitim ve test kümesini denemek için çapraz doğrulama kullanabilirsin.

Çapraz doğrulama yapmak için XGBoost fonksiyonu cv()'yi kullan. Test verisi üzerinde kullanılacak tüm cv() parametrelerini ayarlaman gerekecek.

X_train, y_train veri kümeleri, eğitilmiş gbt modeli ve egzersiz yüklendiğinde yazdırılacak olan params parametre sözlüğü çalışma alanına yüklenmiştir.

Bu egzersiz, kursun bir parçasıdır

Python ile Kredi Riski Modellemesi

Kursa Göz Atın

Egzersiz talimatları

Katman sayısını 5, durdurmayı 10 olarak ayarla. Bunları n_folds ve early_stopping olarak sakla.
Eğitim verilerini kullanarak DTrain matris nesnesini oluştur.
Parametreler, katmanlar ve erken durdurma nesneleri üzerinde cv() kullan. Sonuçları cv_df olarak sakla.
cv_df içeriğini yazdır.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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
____(____)

Kodu Düzenle ve Çalıştır