Крос-валідація кредитних моделей

Кредитні позики та їхні дані змінюються з часом, і вони не завжди матимуть такий вигляд, як у поточних тестових вибірках. Тому варто застосувати крос-валідацію, щоб спробувати кілька менших тренувальних і тестових наборів, отриманих з початкових X_train і y_train.

Використайте функцію XGBoost cv() для виконання крос-валідації. Потрібно задати всі параметри, які cv() має використати на тестових даних.

Набори даних X_train, y_train завантажені в робоче середовище разом із натренованою моделлю gbt і словником параметрів params, який буде виведено після завантаження вправи.

Ця вправа є частиною курсу

Моделювання кредитного ризику в Python

Переглянути курс

Інструкції до вправи

Задайте кількість фолдів 5 і ранню зупинку 10. Збережіть їх у змінні n_folds і early_stopping.
Створіть об'єкт-матрицю DTrain, використавши тренувальні дані.
Використайте cv() із параметрами, кількістю фолдів і ранньою зупинкою. Збережіть результат у cv_df.
Виведіть вміст cv_df.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
____(____)

Редагувати та запускати код