始める無料で始める

モデルをインスタンス化する

この一連の演習では、回帰木のバイアスとバリアンスの問題を診断します。本演習で定義する回帰木は、auto データセットのすべての特徴量を使って、車の mpg 消費を予測します。

データの前処理は済んでおり、作業環境には特徴量行列 X と配列 y が読み込まれています。さらに、sklearn.tree から DecisionTreeRegressor クラスがインポート済みです。

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.model_selection から train_test_split をインポートします。
  • データを 70% の学習用と 30% のテスト用に分割します。
  • max_depth を 4、min_samples_leaf を 0.26 に設定して DecisionTreeRegressor をインスタンス化します。

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 train_test_split from sklearn.model_selection
____

# Set SEED for reproducibility
SEED = 1

# Split the data into 70% train and 30% test
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=SEED)

# Instantiate a DecisionTreeRegressor dt
dt = ____(____=____, ____=____, random_state=SEED)
コードを編集して実行