最適な木の深さを見つける

ここでは、決定木の max_depth パラメータをチューニングして、過学習を抑えつつ適切なモデル性能を保てる値を見つけます。複数の max_depth 候補に対して for ループを回し、各候補で決定木を学習させたあと、評価指標を計算します。

パラメータ候補を格納した depth_list はあらかじめ読み込まれています。2 列からなる depth_tuning 配列も用意されており、1 列目には深さの候補、2 列目には recall スコアを入れるプレースホルダーが設定されています。特徴量と目的変数は、学習データが train_X、train_Y、テストデータが test_X、test_Y として読み込まれています。numpy と pandas はそれぞれ np、pd としてインポート済みです。