1. Nauka
    2. /
  2. Kursy
    3. /
  3. Strojenie hiperparametrów w Pythonie
Connected

ćwiczenie

Wyodrębnianie parametru modelu Random Forest

Teraz przeniesiesz pracę wykonaną wcześniej na modelu regresji logistycznej na model Random Forest. Jednym z parametrów tego modelu jest sposób, w jaki drzewo decyduje o podziałach na każdym poziomie.

Ta analiza nie jest tak przydatna jak współczynniki regresji logistycznej – raczej nie zbadasz każdego podziału w każdym drzewie modelu Random Forest. Jednak to bardzo użyteczne ćwiczenie, które pozwala zajrzeć pod maskę i zobaczyć, jak działa model.

W tym ćwiczeniu wyodrębnisz pojedyncze drzewo z modelu Random Forest, zwizualizujesz je i programowo wyodrębnisz jedno z rozgałęzień.

Masz dostęp do:

  • Obiektu modelu Random Forest, rf_clf
  • Obrazu przedstawiającego górną część wybranego drzewa decyzyjnego, tree_viz_image
  • Ramki danych X_train i listy original_variables

Instrukcje

100 XP
  • Wyodrębnij 7. drzewo (indeks 6) z modelu Random Forest.
  • Zwizualizuj to drzewo (tree_viz_image), aby zobaczyć decyzje dotyczące podziałów.
  • Wyodrębnij cechę i poziom pierwszego rozgałęzienia.
  • Wyświetl cechę i poziom razem.