Limitarea dimensiunii eșantionului
O altă metodă pentru a preveni supraadaptarea (overfitting) este să specifici numărul minim de observații necesare pentru a forma o frunză (sau un nod) în arborele de decizie.
În acest exercițiu vei:
- seta această limită minimă la 100
- antrena noul model pe datele despre angajați
- analiza rezultatele predicțiilor atât pe setul de antrenament, cât și pe cel de testare
Variabilele features_train, target_train, features_test și target_test sunt deja disponibile în spațiul tău de lucru.
Acest exercițiu face parte din cursul
HR Analytics: Predicția fluctuației angajaților în Python
Instrucțiuni pentru exercițiu
- Inițializează
DecisionTreeClassifierși setează limita minimă a frunzei la 100 de observații - Antrenează modelul de arbore de decizie pe datele de antrenament.
- Verifică acuratețea predicțiilor atât pe setul de antrenament, cât și pe cel de testare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Initialize the DecisionTreeClassifier while limiting the sample size in leaves to 100
model_sample_100 = DecisionTreeClassifier(____, random_state=42)
# Fit the model
____.fit(features_train,____)
# Print the accuracy of the prediction (in percentage points) for the training set
print(____.score(features_train,target_train)*100)
# Print the accuracy of the prediction (in percentage points) for the test set
print(____.____(features_test,target_test)*100)