Lokal validering

Vinna en Kaggle-tävling i Python

Yauhen Babakhin

Kaggle Grandmaster

Motivation

exempel på överanpassning med publika och privata ledartavlor

Holdout-mängd

schema för hållout-mängd

Holdout-mängd

schema för hållout-mängd

Holdout-mängd

schema för hållout-mängd

K-faldig korsvalidering

uppdelning av träningsdata i fyra delar

K-faldig korsvalidering

schema för k-faldig korsvalidering

K-faldig korsvalidering

# 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]

Stratifierad K-fold

schema för stratifierad k-faldig korsvalidering

Stratifierad 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]

Nu kör vi en övning!

Vinna en Kaggle-tävling i Python