Regularyzacja

Regularyzacja to proces dodawania informacji do modelu w celu zapobiegania przeuczeniu. Ma to kluczowe znaczenie dla poprawy metryk ewaluacyjnych, które poznałeś wcześniej w tym rozdziale. W tym ćwiczeniu będziesz zmieniać parametr maksymalnej głębokości drzewa decyzyjnego, aby zobaczyć, jak wpływa to na wyniki klasyfikacji.

X_train, y_train, X_test, y_test są dostępne w twoim środowisku pracy. Dostępne są również pandas jako pd, numpy jako np oraz sklearn. Ponadto zaimportowano confusion_matrix(), precision_score() i recall_score() z sklearn.metrics.

Utwórz różne drzewa decyzyjne, zmieniając maksymalną głębokość każdego z nich.
Dla każdego drzewa dopasuj model i wygeneruj predykcje na danych testowych.
Oceń macierz pomyłek, precyzję i czułość dla każdego drzewa.

ćwiczenie

Regularyzacja

Instrukcje

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie