max_depth ayarlama

Bu egzersizde, her artırma turundaki her bir ağacın büyüyebileceği en yüksek derinliği belirleyen max_depth parametresini ayarlayacaksın. Daha küçük değerler daha sığ ağaçlara, daha büyük değerler ise daha derin ağaçlara yol açar.

Bu egzersiz, kursun bir parçasıdır

XGBoost ile Aşırı Gradyan Artırma

Kursa Göz Atın

Egzersiz talimatları

"max_depth" için şu değerleri saklayacak max_depths adlı bir liste oluştur: 2, 5, 10 ve 20.
for döngüsü kullanarak max_depths listen üzerinde yineleme yap.
for döngüsünün her yinelemesinde "max_depth" değerini sistematik olarak değiştir ve erken durdurma (5 tur) ile 2 katlı çapraz doğrulama, 10 artırma turu, "rmse" metriği ve 123 seed değeriyle çalıştır. Çıktının bir DataFrame olduğundan emin ol.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Create your housing DMatrix
housing_dmatrix = xgb.DMatrix(data=X,label=y)

# Create the parameter dictionary
params = {"objective":"reg:squarederror"}

# Create list of max_depth values
max_depths = ____
best_rmse = []

# Systematically vary the max_depth
for curr_val in ____:

    params["____"] = ____
    
    # Perform cross-validation
    cv_results = ____
    
    
    
    # Append the final round rmse to best_rmse
    best_rmse.append(cv_results["test-rmse-mean"].tail().values[-1])

# Print the resultant DataFrame
print(pd.DataFrame(list(zip(max_depths, best_rmse)),columns=["max_depth","best_rmse"]))

Kodu Düzenle ve Çalıştır