शुरू करेंमुफ़्त में शुरू करें

Random Forest का एक पैरामीटर निकालना

अब आप पहले किए गए लॉजिस्टिक रिग्रेशन मॉडल के काम को एक Random Forest मॉडल में रूपांतरित करेंगे। इस मॉडल का एक पैरामीटर यह है कि किसी दिए गए पेड़ में हर स्तर पर split कैसे चुना गया।

यह विश्लेषण लॉजिस्टिक रिग्रेशन के कॉइफिशिएंट्स जितना उपयोगी नहीं है, क्योंकि Random Forest मॉडल में हर split और हर पेड़ की जाँच करना व्यवहार में मुश्किल है। फिर भी, मॉडल अंदर क्या कर रहा है, इसकी झलक पाने के लिए यह अभ्यास बहुत मददगार है।

इस अभ्यास में हम अपने Random Forest मॉडल से एक एकल पेड़ निकालेंगे, उसे visualize करेंगे और प्रोग्रामेटिक रूप से उसके एक split को निकालेंगे।

आपके पास उपलब्ध हैं:

  • एक Random Forest मॉडल ऑब्जेक्ट, rf_clf
  • चुने गए decision tree के शीर्ष भाग की एक इमेज, tree_viz_image
  • X_train DataFrame और original_variables सूची

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Hyperparameter Tuning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Random Forest मॉडल से 7वाँ पेड़ (इंडेक्स 6) निकालें.
  • split निर्णय देखने के लिए इस पेड़ को visualize करें (tree_viz_image).
  • सबसे ऊपर वाले split का फीचर और उसका level निकालें.
  • फीचर और level को साथ में प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Extract the 7th (index 6) tree from the random forest
chosen_tree = rf_clf.estimators_[____]

# Visualize the graph using the provided image
imgplot = plt.imshow(____)
plt.show()

# Extract the parameters and level of the top (index 0) node
split_column = chosen_tree.tree_.feature[____]
split_column_name = X_train.columns[split_column]
split_value = chosen_tree.tree_.threshold[____]

# Print out the feature and level
print("This node split on feature {}, at a value of {}".format(split_column_name, ____))
कोड संपादित करें और चलाएँ