Herausforderung: Aufgabe Mit XGBoost Lösen
Swipe to start coding
Der "Credit Scoring"-Datensatz wird häufig für die Analyse von Kreditrisiken und binäre Klassifizierungsaufgaben verwendet. Er enthält Informationen über Kunden und ihre Kreditanträge, mit dem Ziel vorherzusagen, ob ein Kreditantrag eines Kunden zu einem guten oder schlechten Kreditergebnis führen wird.
Ihre Aufgabe ist es, die Klassifizierungsaufgabe auf dem "Credit Scoring"-Datensatz zu lösen:
- Erstellen Sie
Dmatrix
-Objekte mit Trainings- und Testdaten. Geben Sie das Argumentenable_categorical
an, um kategoriale Merkmale zu verwenden. - Trainieren Sie das XGBoost-Modell mit dem Trainings-
DMatrix
-Objekt. - Setzen Sie die Schwelle für die Aufteilung auf
0.5
für die korrekte Klassenerkennung.
Hinweis
'objective': 'binary:logistic'
-Parameter bedeutet, dass wir den logistischen Verlust (auch bekannt als binärer Kreuzentropieverlust) als Zielfunktion beim Training des XGBoost-Modells verwenden werden.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 4.55
Herausforderung: Aufgabe Mit XGBoost Lösen
Swipe um das Menü anzuzeigen
Swipe to start coding
Der "Credit Scoring"-Datensatz wird häufig für die Analyse von Kreditrisiken und binäre Klassifizierungsaufgaben verwendet. Er enthält Informationen über Kunden und ihre Kreditanträge, mit dem Ziel vorherzusagen, ob ein Kreditantrag eines Kunden zu einem guten oder schlechten Kreditergebnis führen wird.
Ihre Aufgabe ist es, die Klassifizierungsaufgabe auf dem "Credit Scoring"-Datensatz zu lösen:
- Erstellen Sie
Dmatrix
-Objekte mit Trainings- und Testdaten. Geben Sie das Argumentenable_categorical
an, um kategoriale Merkmale zu verwenden. - Trainieren Sie das XGBoost-Modell mit dem Trainings-
DMatrix
-Objekt. - Setzen Sie die Schwelle für die Aufteilung auf
0.5
für die korrekte Klassenerkennung.
Hinweis
'objective': 'binary:logistic'
-Parameter bedeutet, dass wir den logistischen Verlust (auch bekannt als binärer Kreuzentropieverlust) als Zielfunktion beim Training des XGBoost-Modells verwenden werden.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 4.55single