Drzewa decyzyjne a sieci neuronowe
Zbuduj klasyfikator drzewa decyzyjnego do klasyfikacji poziomów dochodów na podstawie kilku cech, takich jak wiek, poziom wykształcenia i liczba przepracowanych godzin tygodniowo, a następnie wyodrębnij wyuczone reguły wyjaśniające podjęte decyzje. Porównaj jego wyniki z klasyfikatorem MLPClassifier wytrenowanym na tych samych danych.
X_train, X_test, y_train i y_test są wstępnie załadowane. Funkcje accuracy_score i export_text są również zaimportowane.
To ćwiczenie jest częścią kursu
Wyjaśnialne AI w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
model = DecisionTreeClassifier(random_state=42, max_depth=2)
model.fit(X_train, y_train)
# Extract the rules
rules = ____
print(rules)
y_pred = model.predict(X_test)
# Compute accuracy
accuracy = ____
print(f"Accuracy: {accuracy:.2f}")