Begränsa minsta antalet observationer per löv
En annan metod för att förhindra överanpassning är att ange det minsta antalet observationer som krävs för att skapa ett löv (eller en nod) i beslutsträdet.
I den här övningen ska du:
- sätta denna minimumgräns till 100
- träna den nya modellen på medarbetardata
- undersöka förutsägelseresultaten på både tränings- och testmängden
Variablerna features_train, target_train, features_test och target_test finns redan tillgängliga i din arbetsyta.
Den här övningen är en del av kursen
HR-analys: Förutsäg personalomsättning i Python
Övningsinstruktioner
- Initiera
DecisionTreeClassifieroch sätt minimumgränsen för löv till 100 observationer - Träna beslutsträdsmodellen på träningsdata.
- Kontrollera noggrannheten hos förutsägelserna på både tränings- och testmängden.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)