1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Ensemble Methods in Python
Connected

cvičení

Rozhodovací stromy s omezeními a bez omezení

V tomto cvičení se vrátíme k datasetu Pokémon z předchozí kapitoly. Cílem je předpovědět, zda je daný Pokémon legendární, nebo ne.

Sestavíš dva samostatné klasifikátory na bázi rozhodovacího stromu. V prvním případě zadáš parametry min_samples_leaf a min_samples_split, ale neomezíš maximální hloubku stromu – ten se tak může volně rozrůst bez jakýchkoli omezení.

V druhém případě strom omezíš tím, že nastavíš maximální hloubku. Porovnáním obou modelů lépe pochopíš, co znamená „slabý" learner.

Instrukce 1/2

undefined XP
  • 1

    Sestav neomezený rozhodovací strom s parametry min_samples_leaf=3, min_samples_split=9 a random_state=500.

  • 2

    Sestav omezený strom tak, že nahradíš min_samples_leaf a min_samples_split parametry max_depth=4 a max_features=2.