Validación local

Cómo ganar una competición de Kaggle con Python

Yauhen Babakhin

Kaggle Grandmaster

Motivación

ejemplo de sobreajuste con clasificaciones Pública y Privada

Conjunto holdout

esquema de conjunto de validación

Conjunto holdout

esquema de conjunto de validación

Conjunto holdout

esquema de conjunto de validación

Validación cruzada k-fold

dividir los datos de entrenamiento en cuatro folds

Validación cruzada k-fold

esquema de validación cruzada k-fold

Validación cruzada k-fold

# Import KFold
from sklearn.model_selection import KFold

# Create a KFold object
kf = KFold(n_splits=5, shuffle=True, random_state=123)

# Loop through each cross-validation split
for train_index, test_index in kf.split(train):

    # Get training and testing data for the corresponding split
    cv_train, cv_test = train.iloc[train_index], train.iloc[test_index]

K-fold estratificado

esquema de k-fold estratificado

K-fold estratificado

# Import StratifiedKFold
from sklearn.model_selection import StratifiedKFold


# Create a StratifiedKFold object
str_kf = StratifiedKFold(n_splits=5, shuffle=True, random_state=123)


# Loop through each cross-validation split
for train_index, test_index in str_kf.split(train, train['target']):
    cv_train, cv_test = train.iloc[train_index], train.iloc[test_index]

¡Vamos a practicar!

Cómo ganar una competición de Kaggle con Python