始める無料で始める

最初の分類木を学習してみましょう

この演習では、UCI Machine Learning Repository にある Wisconsin Breast Cancer Dataset を使います。腫瘍の平均半径（radius_mean）と、凹状点の平均個数（concave points_mean）という2つの特徴量に基づいて、腫瘍が悪性か良性かを予測します。

データセットはすでにワークスペースに読み込まれており、80% が訓練、20% がテストに分割されています。特徴量行列は X_train と X_test、ラベル配列は y_train と y_test に割り当てられています。クラス1は悪性、クラス0は良性を表します。結果を再現可能にするため、SEED という変数を1に設定しています。

この演習はコースの一部です

Pythonで学ぶ木ベースのMachine Learning

コースを見る

演習の手順

  • sklearn.tree から DecisionTreeClassifier をインポートします。

  • 最大深さを6にした DecisionTreeClassifier を dt としてインスタンス化します。

  • 訓練データに dt を学習させます。

  • テストデータのラベルを予測し、結果を y_pred に代入します。

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。

# Import DecisionTreeClassifier from sklearn.tree
from ____.____ import ____

# Instantiate a DecisionTreeClassifier 'dt' with a maximum depth of 6
dt = ____(____=____, random_state=SEED)

# Fit dt to the training set
____.____(____, ____)

# Predict test set labels
y_pred = ____.____(____)
print(y_pred[0:5])
コードを編集して実行