制約あり・なしの決定木
この演習では、前のチャプターで扱ったポケモンのデータセットに戻ります。目的は、与えられたポケモンが伝説（legendary）かどうかを予測することでした。
ここでは、2つの別々の決定木分類器を作成します。1つ目では、min_samples_leaf と min_samples_split のパラメータを指定しますが、最大深さは設定せず、木が制約なく十分に成長できるようにします。
2つ目では、決定木の深さを制限していくつかの制約を設けます。2つのモデルを比較することで、「弱い」学習器という概念をよりよく理解できるようになります。
この演習はコースの一部です
Pythonで学ぶアンサンブル手法
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))