Обмеження перехресної перевірки
Ви можете задати дуже великі значення для nfold і num_boost_round, якщо хочете виконати екстремальну кількість перехресної перевірки. Датафрейм cv_results_big уже завантажено в робочу область і його створено таким кодом:
cv = xgb.cv(params, DTrain, num_boost_round = 600, nfold=10,
shuffle = True)
Тут cv() виконав 600 ітерацій перехресної перевірки! Параметр shuffle вказує функції щоразу перемішувати записи.
Перегляньте ці дані, щоб побачити значення AUC, і перевірте, чи досягають вони 1.0 під час перехресної перевірки. Також побудуйте графік тестового AUC, щоб відстежити динаміку.
Датафрейм cv_results_big завантажено в робочу область.
Ця вправа є частиною курсу
Моделювання кредитного ризику в Python
Інструкції до вправи
- Виведіть перші п'ять рядків датафрейму з результатами CV.
- Виведіть середнє значення AUC на тестовій вибірці з датафрейму результатів CV, заокруглене до двох знаків.
- Побудуйте лінійний графік AUC на тестовій вибірці впродовж кожної ітерації.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Print the first five rows of the CV results data frame
print(____.____())
# Calculate the mean of the test AUC scores
print(np.____(____[____]).round(2))
# Plot the test AUC scores for each iteration
plt.____(____[____])
plt.title('Test AUC Score Over 600 Iterations')
plt.xlabel('Iteration Number')
plt.ylabel('Test AUC Score')
plt.____()