K-fold çapraz doğrulama

En yaygın kullanılan K-fold çapraz doğrulama yöntemiyle uygulamalı olarak başlayacaksın.

Çalışacağın veri, Kaggle’daki "Two sigma connect: rental listing inquiries" yarışmasından geliyor. Bu yarışmanın problemi, kiralık ilanlarını 3 sınıfa ayıran çok sınıflı bir sınıflandırma: düşük ilgi, orta ilgi ve yüksek ilgi. Daha hızlı çalışması için 1.000 gözlemden oluşan bir alt örneklem kullanacaksın.

Bir K-fold doğrulama stratejisi uygulaman ve elde edilen her fold’un boyutlarına bakman gerekiyor. train DataFrame’i çalışma alanında hazır durumda.

Bu egzersiz, kursun bir parçasıdır

Python ile Bir Kaggle Yarışmasını Kazanmak

Kursa Göz Atın

Egzersiz talimatları

3 fold’lu bir KFold nesnesi oluştur.
kf nesnesini kullanarak her bölümü (split) üzerinde dön.
Her bölüm için train_index ve test_index kullanarak eğitim ve test fold’larını seç.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Import KFold
from sklearn.model_selection import KFold

# Create a KFold object
kf = ____(n_splits=____, shuffle=True, random_state=123)

# Loop through each split
fold = 0
for train_index, test_index in ____.____(train):
    # Obtain training and testing folds
    cv_train, cv_test = train.iloc[____], train.iloc[____]
    print('Fold: {}'.format(fold))
    print('CV train shape: {}'.format(cv_train.shape))
    print('Medium interest listings in CV train: {}\n'.format(sum(cv_train.interest_level == 'medium')))
    fold += 1

Kodu Düzenle ve Çalıştır