Pohon keputusan terbatas dan tidak terbatas
Dalam latihan ini, kita akan kembali menggunakan himpunan data Pokémon dari bab sebelumnya. Ingat bahwa tujuannya adalah memprediksi apakah suatu Pokémon bersifat legendary atau tidak.
Di sini, Anda akan membangun dua klasifikator pohon keputusan yang terpisah. Pada yang pertama, Anda akan menentukan parameter min_samples_leaf dan min_samples_split, tetapi tidak menetapkan kedalaman maksimum, sehingga pohon dapat berkembang sepenuhnya tanpa batasan.
Pada yang kedua, Anda akan menetapkan beberapa batasan dengan membatasi kedalaman pohon keputusan. Dengan membandingkan kedua model tersebut, Anda akan lebih memahami konsep pembelajar "lemah" (weak learner).
Latihan ini adalah bagian dari kursus
Metode Ensemble di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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))