LoslegenKostenlos starten

Entropie als Kriterium verwenden

In dieser Übung trainierst du einen Klassifikationsbaum auf dem Wisconsin Breast Cancer Datensatz und verwendest Entropie als Informationskriterium. Du nutzt dafür alle 30 Features im Datensatz, der in 80 % Training und 20 % Test aufgeteilt ist.

X_train sowie das Label-Array y_train stehen dir in deiner Arbeitsumgebung zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Maschinelles Lernen mit baumbasierten Modellen in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere DecisionTreeClassifier aus sklearn.tree.

  • Erzeuge einen DecisionTreeClassifier dt_entropy mit einer maximalen Tiefe von 8.

  • Setze das Informationskriterium auf 'entropy'.

  • Fitte dt_entropy auf den Trainingsdaten.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import DecisionTreeClassifier from sklearn.tree
from ____.____ import ____

# Instantiate dt_entropy, set 'entropy' as the information criterion
dt_entropy = ____(____=____, ____='____', random_state=1)

# Fit dt_entropy to the training set
____.____(____, ____)
Code bearbeiten und ausführen