प्रतिबंधित और अप्रतिबंधित निर्णय वृक्ष
इस अभ्यास में, हम पिछले अध्याय के Pokémon डेटासेट पर वापस आएँगे। याद कीजिए कि लक्ष्य यह भविष्यवाणी करना है कि दिया गया Pokémon legendary है या नहीं।
यहाँ, आप दो अलग-अलग decision tree classifiers बनाएँगे। पहले मॉडल में, आप min_samples_leaf और min_samples_split पैरामीटर सेट करेंगे, लेकिन अधिकतम गहराई निर्दिष्ट नहीं करेंगे, ताकि पेड़ बिना किसी रोक-टोक के पूरी तरह विकसित हो सके।
दूसरे में, आप निर्णय वृक्ष की गहराई सीमित करके कुछ बाधाएँ तय करेंगे। दोनों मॉडलों की तुलना करके, आप "weak" learner की धारणा को बेहतर समझेंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Ensemble Methods
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Build unrestricted decision tree
clf = ____
clf.fit(X_train, y_train)
# Predict the labels
pred = clf.predict(X_test)
# Print the confusion matrix
cm = confusion_matrix(y_test, pred)
print('Confusion matrix:\n', cm)
# Print the F1 score
score = f1_score(y_test, pred)
print('F1-Score: {:.3f}'.format(score))