1. Learn
    2. /
  2. Cursuri
    3. /
  3. Machine Learning pentru finanțe în Python
Connected

exercițiu

Încearcă diferite valori pentru max_depth

Vrem întotdeauna să optimizăm modelele de învățare automată pentru a obține cele mai bune predicții posibile. Putem face asta ajustând hiperparametrii – adică setările modelelor noastre. Vom vedea în capitolele viitoare cât de utili sunt aceștia, dar deocamdată poți să-i privești ca pe niște butoane pe care le reglăm pentru a îmbunătăți predicțiile pe cât posibil.

Pentru arborii de decizie simpli, cel mai important hiperparametru este probabil max_depth. Acesta limitează numărul de împărțiri dintr-un arbore de decizie. Să găsim cea mai bună valoare pentru max_depth pe baza scorului R\(^2\) al modelului nostru pe setul de testare, pe care îl putem obține folosind metoda score() a modelelor noastre de tip arbore de decizie.

Instrucțiuni

100 XP
  • Parcurge în buclă valorile 3, 5 și 10 pentru a le folosi ca parametru max_depth în modelul nostru de arbore de decizie.
  • Setează parametrul max_depth din DecisionTreeRegressor la valoarea d în fiecare iterație a buclei.
  • Afișează scorul modelului pe train_features și train_targets.