交叉验证信用模型
信用贷款及其数据会随时间变化，并不总是与当前测试集中的数据一致。因此，您可以使用交叉验证，从原始的 X_train 和 y_train 中派生出多个较小的训练集和测试集进行尝试。
使用 XGBoost 函数 cv() 执行交叉验证。您需要设置 cv() 在测试数据上使用的所有参数。
数据集 X_train、y_train 已加载到工作区，同时还提供了已训练模型 gbt 和参数字典 params，练习开始时会打印它们。
本练习是课程的一部分
Python 信用风险建模
练习说明
- 将折数设置为
5，早停步数设置为10。分别存为n_folds和early_stopping。 - 使用训练数据创建矩阵对象
DTrain。 - 在参数、折数和早停对象上调用
cv()。将结果存为cv_df。 - 打印
cv_df的内容。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
____(____)