Lokalna walidacja

Zwycięstwo w konkursie Kaggle w Pythonie

Yauhen Babakhin

Kaggle Grandmaster

Motywacja

przykład overfittingu z publicznym i prywatnym rankingiem

Zbiór holdout

schemat zbioru holdout

Zbiór holdout

schemat zbioru holdout

Zbiór holdout

schemat zbioru holdout

Walidacja krzyżowa k-fold

podział danych treningowych na cztery foldy

Walidacja krzyżowa k-fold

schemat walidacji krzyżowej k-fold

Walidacja krzyżowa 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]

Stratyfikowany k-fold

schemat stratyfikowanej walidacji krzyżowej k-fold

Stratyfikowany k-fold

# 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]

Czas na ćwiczenia!

Zwycięstwo w konkursie Kaggle w Pythonie