1. Learn
    2. /
  2. Курси
    3. /
  3. Як перемагати в змаганнях Kaggle за допомогою Python
Connected

Вправа

K-fold перехресна валідація

Ви працюватимете із задачею бінарної класифікації на підвибірці з змагання Kaggle playground. Мета цього змагання — спрогнозувати, чи відомий баскетболіст Кобі Браянт влучив у кошик або промахнувся під час конкретного кидка.

Тренувальні дані доступні у вашому робочому середовищі як датафрейм bryant_shots. Він містить дані про 10 000 кидків з їхніми властивостями та змінну target "shot\_made\_flag" — чи був кидок результативним.

Одна з ознак у даних — "game_id" — конкретний матч, у якому зроблено кидок. Є 541 різний матч. Отже, ви маєте справу з категоріальною ознакою з великою кількістю рівнів. Закодуймо її за допомогою середнього цільового значення (target mean)!

Припустімо, ви використовуєте 5-фолд перехресну валідацію й хочете оцінити ознаку, закодовану середнім значенням цілі, на локальній валідації.

Інструкції

100 XP
  • Щоб це зробити, потрібно повторити процедуру кодування для категоріальної ознаки "game_id" окремо в межах кожного розбиття на фолди. Ваше завдання — вказати всі відсутні параметри для виклику функції mean_target_encoding() у кожному розбитті на фолди.
  • Зважайте, що параметри train і test очікують датафрейми train і test.
  • Параметри target і categorical очікують назви цільової змінної та категоріальної ознаки, яку потрібно закодувати.