Conteúdo do Curso
Ensemble Learning
1. Princípios Básicos da Construção de Modelos de Ensemble
2. Modelos de Bagging Comumente Utilizados
Ensemble Learning
Desafio: Resolução de Tarefa Usando XGBoost
Tarefa
O conjunto de dados "Credit Scoring" é comumente usado para análise de risco de crédito e tarefas de classificação binária. Contém informações sobre clientes e suas aplicações de crédito, com o objetivo de prever se a aplicação de crédito de um cliente resultará em um bom ou mau resultado de crédito.
Sua tarefa é resolver a tarefa de classificação no conjunto de dados "Credit Scoring":
- Crie objetos
Dmatrix
usando os dados de treinamento e teste. Especifique o argumentoenable_categorical
para usar recursos categóricos. - Treine o modelo XGBoost usando o objeto
DMatrix
de treinamento. - Defina o limiar de divisão para
0,5
para a detecção correta da classe.
Nota
O parâmetro
'objective': 'binary:logistic'
significa que usaremos a perda logística (também conhecida como perda de entropia cruzada binária) como função objetiva ao treinar o modelo XGBoost.
Tudo estava claro?
Conteúdo do Curso
Ensemble Learning
1. Princípios Básicos da Construção de Modelos de Ensemble
2. Modelos de Bagging Comumente Utilizados
Ensemble Learning
Desafio: Resolução de Tarefa Usando XGBoost
Tarefa
O conjunto de dados "Credit Scoring" é comumente usado para análise de risco de crédito e tarefas de classificação binária. Contém informações sobre clientes e suas aplicações de crédito, com o objetivo de prever se a aplicação de crédito de um cliente resultará em um bom ou mau resultado de crédito.
Sua tarefa é resolver a tarefa de classificação no conjunto de dados "Credit Scoring":
- Crie objetos
Dmatrix
usando os dados de treinamento e teste. Especifique o argumentoenable_categorical
para usar recursos categóricos. - Treine o modelo XGBoost usando o objeto
DMatrix
de treinamento. - Defina o limiar de divisão para
0,5
para a detecção correta da classe.
Nota
O parâmetro
'objective': 'binary:logistic'
significa que usaremos a perda logística (também conhecida como perda de entropia cruzada binária) como função objetiva ao treinar o modelo XGBoost.
Tudo estava claro?