1. Nauka
    2. /
  2. Kursy
    3. /
  3. Uczenie maszynowe w finansach z Pythonem
Connected

ćwiczenie

Wypróbuj różne wartości max_depth

Dobry model uczenia maszynowego wymaga starannego dostrojenia, aby jak najlepiej przewidywać wartości. Służą do tego hiperparametry – ustawienia modelu, którymi można sterować jak pokrętłami, aby uzyskać jak najdokładniejsze prognozy. Więcej na ich temat dowiesz się w kolejnych rozdziałach.

W przypadku zwykłych drzew decyzyjnych najważniejszym hiperparametrem jest prawdopodobnie max_depth. Określa on maksymalną liczbę podziałów w drzewie decyzyjnym. Znajdźmy najlepszą wartość max_depth na podstawie współczynnika R\(^2\) modelu na zbiorze testowym – możemy go uzyskać za pomocą metody score() naszych modeli drzew decyzyjnych.

Instrukcje

100 XP
  • Przejdź w pętli przez wartości 3, 5 i 10, które posłużą jako parametr max_depth w modelu drzewa decyzyjnego.
  • W każdej iteracji pętli ustaw parametr max_depth w DecisionTreeRegressor na wartość d.
  • Wyświetl wynik modelu na danych train_features i train_targets.