1. Learn
    2. /
  2. Cursuri
    3. /
  3. Exersează întrebări de interviu pentru Machine Learning în Python
Connected

exercițiu

Arbore de decizie

În ultimele trei capitole, ai învățat o serie de tehnici care te ajută să abordezi multe aspecte ale unui interviu de machine learning. În acest capitol, vei descoperi diverse modalități de a te asigura că orice model pe care ești rugat să îl creezi sau să îl discuți într-un interviu de machine learning este generalizabil, evaluat corect și selectat corespunzător dintre alte modele posibile.

În acest exercițiu, vei explora reglarea hiperparametrilor pentru un arbore de decizie aplicat pe setul de date loan_data. Vei regla min_samples_split, care reprezintă numărul minim de eșantioane necesar pentru a crea o divizare binară suplimentară, și max_depth, care indică cât de adânc vrei să crești arborele. Cu cât arborele este mai adânc, cu atât are mai multe divizări și, prin urmare, captează mai multe informații despre date.

Matricea de caracteristici X și eticheta țintă y au fost importate pentru tine.

Rețin că parcurgi din nou toți pașii din pipeline-ul de machine learning!

Machine learning pipeline

Instrucțiuni 1/2

undefined XP
  • 1
    • Importă funcția potrivită pentru un clasificator de tip arbore de decizie și împarte datele în seturi de antrenament și de testare.
    • Instanțiază un clasificator de tip arbore de decizie, antrenează-l, generează predicții și afișează acuratețea.
  • 2
    • Importă funcția potrivită pentru a efectua o căutare pe grilă cu validare încrucișată.
    • Instanțiază un clasificator de tip arbore de decizie și folosește-l împreună cu grila de parametri pentru a efectua o căutare pe grilă cu validare încrucișată.
    • Antrenează modelul și afișează metricile de evaluare.