Vytvoření instance modelu

V následující sérii cvičení budeš diagnostikovat problémy s biasem a variancí regresního stromu. Regresní strom, který definuješ v tomto cvičení, použiješ k předpovídání spotřeby mpg automobilů z datasetu auto na základě všech dostupných příznaků.

Data jsme už zpracovali a do tvého pracovního prostředí načetli matici příznaků X a pole y. Navíc byla třída DecisionTreeRegressor importována z sklearn.tree.

Toto cvičení je součástí kurzu

Machine Learning with Tree-Based Models in Python

Zobrazit kurz

Pokyny k cvičení

Importuj train_test_split z sklearn.model_selection.
Rozděl data na 70 % trénovací a 30 % testovací část.
Vytvoř instanci DecisionTreeRegressor s maximální hloubkou 4 a hodnotou min_samples_leaf nastavenou na 0.26.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import train_test_split from sklearn.model_selection
____

# Set SEED for reproducibility
SEED = 1

# Split the data into 70% train and 30% test
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=SEED)

# Instantiate a DecisionTreeRegressor dt
dt = ____(____=____, ____=____, random_state=SEED)

Upravit a spustit kód