Ограниченные и неограниченные деревья решений
В этом упражнении мы вернёмся к набору данных о покемонах из предыдущей главы. Напомним, что цель — предсказать, является ли данный покемон легендарным.
Здесь вам предстоит построить два отдельных классификатора на основе дерева решений. В первом вы укажете параметры min_samples_leaf и min_samples_split, но не будете задавать максимальную глубину, чтобы дерево могло развиваться без каких-либо ограничений.
Во втором вы введёте ограничения, задав максимальную глубину дерева решений. Сравнив две модели, вы лучше поймёте понятие «слабого» алгоритма обучения.
Это упражнение является частью курса
Ансамблевые методы в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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))