Validation locale

Remporter une compétition Kaggle en Python

Yauhen Babakhin

Kaggle Grandmaster

Motivation

exemple de surapprentissage avec tableaux de classement Public et Private

Ensemble de validation

schéma d'ensemble de validation

Ensemble de validation

schéma d'ensemble de validation

Ensemble de validation

schéma d'ensemble de validation

Validation croisée K-fold

$fractionner les données d'entraînement en quatre volets$

Validation croisée K-fold

schéma de validation croisée k-fold

Validation croisée 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 stratifiée

schéma de validation croisée k-fold stratifiée

K-fold stratifiée

# 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]

Passons à la pratique !

Remporter une compétition Kaggle en Python