1. Nauka
    2. /
  2. Kursy
    3. /
  3. Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie
Connected

ćwiczenie

Drzewo decyzyjne

W trzech poprzednich rozdziałach poznałeś(-aś) szereg technik przydatnych podczas rozmowy kwalifikacyjnej z uczenia maszynowego. W tym rozdziale zapoznasz się z różnymi metodami, które pozwolą upewnić się, że każdy omawiany lub tworzony model jest odpowiednio uogólniony, poprawnie oceniony i właściwie wybrany spośród innych kandydatów.

W tym ćwiczeniu zajmiesz się strojeniem hiperparametrów drzewa decyzyjnego na zbiorze danych loan_data. Dostroić należy min_samples_split – minimalną liczbę próbek wymaganą do utworzenia dodatkowego podziału binarnego – oraz max_depth, czyli głębokość drzewa. Im głębsze drzewo, tym więcej podziałów, a co za tym idzie – tym więcej informacji o danych zostaje uchwyconych.

Macierz cech X oraz etykieta docelowa y zostały już zaimportowane.

Zauważ, że ponownie wykonujesz wszystkie kroki potoku uczenia maszynowego!

Machine learning pipeline

Instrukcje 1/2

undefined XP
  • 1
    • Zaimportuj odpowiednią funkcję dla klasyfikatora drzewa decyzyjnego i podziel dane na zbiór treningowy oraz testowy.
    • Utwórz instancję klasyfikatora drzewa decyzyjnego, dopasuj model, wykonaj predykcję i wyświetl dokładność.
  • 2
    • Zaimportuj odpowiednią funkcję do przeprowadzenia przeszukiwania siatki z walidacją krzyżową.
    • Utwórz instancję klasyfikatora drzewa decyzyjnego i użyj jej wraz z siatką parametrów, aby wykonać przeszukiwanie siatki z walidacją krzyżową.
    • Dopasuj model i wyświetl metryki jego oceny.