Ograniczanie minimalnej liczby próbek w liściu
Innym sposobem zapobiegania przeuczeniu jest określenie minimalnej liczby obserwacji wymaganej do utworzenia liścia (lub węzła) w drzewie decyzyjnym.
W tym ćwiczeniu:
- ustawisz ten minimalny limit na 100
- dopasujesz nowy model do danych pracowniczych
- przeanalizujesz wyniki predykcji na zbiorze treningowym i testowym
Zmienne features_train, target_train, features_test i target_test są już dostępne w twoim środowisku.
To ćwiczenie jest częścią kursu
HR Analytics: Przewidywanie rotacji pracowników w Pythonie
Instrukcje do ćwiczenia
- Zainicjalizuj
DecisionTreeClassifieri ustaw minimalny limit liścia na 100 obserwacji - Dopasuj model drzewa decyzyjnego do danych treningowych.
- Sprawdź dokładność predykcji na zbiorze treningowym i testowym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Initialize the DecisionTreeClassifier while limiting the sample size in leaves to 100
model_sample_100 = DecisionTreeClassifier(____, random_state=42)
# Fit the model
____.fit(features_train,____)
# Print the accuracy of the prediction (in percentage points) for the training set
print(____.score(features_train,target_train)*100)
# Print the accuracy of the prediction (in percentage points) for the test set
print(____.____(features_test,target_test)*100)