1. Nauka
    2. /
  2. Kursy
    3. /
  3. Metody zespołowe w Pythonie
Connected

ćwiczenie

Drzewa decyzyjne z ograniczeniami i bez ograniczeń

W tym ćwiczeniu wrócimy do zbioru danych o Pokémonach z poprzedniego rozdziału. Przypomnij sobie, że celem jest przewidzenie, czy dany Pokémon jest legendarny.

Zbudujesz dwa oddzielne klasyfikatory oparte na drzewach decyzyjnych. W pierwszym podasz parametry min_samples_leaf i min_samples_split, ale nie określisz maksymalnej głębokości – dzięki temu drzewo będzie mogło rozwijać się bez żadnych ograniczeń.

W drugim wprowadzisz ograniczenia, ustalając maksymalną głębokość drzewa decyzyjnego. Porównując oba modele, lepiej zrozumiesz pojęcie „słabego" modelu uczącego.

Instrukcje 1/2

undefined XP
  • 1

    Zbuduj nieograniczone drzewo decyzyjne, używając parametrów min_samples_leaf=3, min_samples_split=9 i random_state=500.

  • 2

    Zbuduj ograniczone drzewo, zastępując min_samples_leaf i min_samples_split parametrami max_depth=4 i max_features=2.