始める無料で始める

アンダーフィット／オーバーフィットによる誤差

このキャンディのデータセットはオーバーフィットが起きやすいです。観測が85件しかないため、20%をテスト用に回すと、モデリングに使える重要なデータが大きく減ってしまいます。たとえば、チョコレート系のキャンディの大半が訓練データに偏り、保留サンプルにはほとんど含まれない状況を想像してください。モデルはチョコレートが重要だと「だけ」判断してしまい、他の属性の重要性を見落とすかもしれません。この演習では、ランダムフォレストモデルで特徴量（列）を多く使いすぎるとオーバーフィットにつながることを確認します。

ここでいう「特徴量」は、決定木で使用されるデータの列を表します。パラメータmax_featuresは利用可能な特徴量の数を制限します。

この演習はコースの一部です

Python によるモデル検証

コースを見る

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。

# Update the rfr model
rfr = RandomForestRegressor(____=25,
                            ____=1111,
                            ____=2)
rfr.fit(X_train, y_train)

# Print the training and testing accuracies 
print('The training error is {0:.2f}'.format(
  mae(y_train, rfr.predict(X_train))))
print('The testing error is {0:.2f}'.format(
  mae(y_test, rfr.predict(X_test))))
コードを編集して実行