Arbori de decizie restricționați și nerestricționați
În acest exercițiu, vom reveni la setul de date Pokémon din capitolul anterior. Scopul este să prezicem dacă un anumit Pokémon este legendar sau nu.
Vei construi doi clasificatori bazați pe arbori de decizie separați. În primul, vei specifica parametrii min_samples_leaf și min_samples_split, fără a limita adâncimea maximă, astfel încât arborele să se poată dezvolta complet, fără nicio restricție.
În al doilea, vei adăuga câteva constrângeri prin limitarea adâncimii arborelui de decizie. Comparând apoi cele două modele, vei înțelege mai bine conceptul de model „slab".
Acest exercițiu face parte din cursul
Metode de ansamblu în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Build unrestricted decision tree
clf = ____
clf.fit(X_train, y_train)
# Predict the labels
pred = clf.predict(X_test)
# Print the confusion matrix
cm = confusion_matrix(y_test, pred)
print('Confusion matrix:\n', cm)
# Print the F1 score
score = f1_score(y_test, pred)
print('F1-Score: {:.3f}'.format(score))