Kom igångKom igång gratis

Träna ditt första klassificeringsträd

I den här övningen arbetar du med Wisconsin Breast Cancer Dataset från UCI:s maskininlärningsbibliotek. Du ska förutsäga om en tumör är malign eller benign utifrån två särdrag: tumörens medelradie (radius_mean) och dess genomsnittliga antal konkava punkter (concave points_mean).

Datamängden är redan inläst i din arbetsyta och är uppdelad i 80 % träningsdata och 20 % testdata. Särdragsmatriserna är tilldelade till X_train och X_test, medan etikett-arrayerna är tilldelade till y_train och y_test, där klass 1 motsvarar en malign tumör och klass 0 en benign tumör. För att säkerställa reproducerbara resultat har vi även definierat en variabel kallad SEED som är satt till 1.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera DecisionTreeClassifier från sklearn.tree.

  • Skapa en instans av DecisionTreeClassifier med namnet dt och ett maximalt djup på 6.

  • Anpassa dt till träningsdata.

  • Förutsäg etiketterna för testdata och tilldela resultatet till y_pred.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import DecisionTreeClassifier from sklearn.tree
from ____.____ import ____

# Instantiate a DecisionTreeClassifier 'dt' with a maximum depth of 6
dt = ____(____=____, random_state=SEED)

# Fit dt to the training set
____.____(____, ____)

# Predict test set labels
y_pred = ____.____(____)
print(y_pred[0:5])
Redigera och kör kod