1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning for Finance in Python
Connected

Cvičení

Vyzkoušej různé hodnoty max_depth

Chceme vždy optimalizovat naše modely strojového učení tak, aby dávaly co nejlepší předpovědi. Toho dosáhneme laděním hyperparametrů – tedy nastavení, která ovlivňují chování modelu. V dalších kapitolách se na ně podíváme podrobněji, ale prozatím si je představ jako otočné knoflíky, kterými dolaďujeme přesnost předpovědí.

U klasických rozhodovacích stromů je pravděpodobně nejdůležitějším hyperparametrem max_depth. Ten omezuje počet větvení stromu. Pojďme najít nejlepší hodnotu max_depth na základě skóre R\(^2\) našeho modelu na testovací sadě – získáme ho pomocí metody score() modelů rozhodovacích stromů.

Pokyny

100 XP
  • Projdi smyčkou hodnoty 3, 5 a 10, které budeme používat jako parametr max_depth v modelu rozhodovacího stromu.
  • V každé iteraci smyčky nastav parametr max_depth v DecisionTreeRegressor na hodnotu d.
  • Vypiš skóre modelu na train_features a train_targets.