Kom igångKom igång gratis

Använda entropi som kriterium

I den här övningen tränar du ett klassificeringsträd på Wisconsin Breast Cancer-datamängden med entropi som informationskriterium. Du använder alla 30 särdrag i datamängden, som är uppdelad i 80% träningsdata och 20% testdata.

X_train och etikettmatrisen y_train finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera DecisionTreeClassifier från sklearn.tree.

  • Instansiera en DecisionTreeClassifier med namnet dt_entropy och ett maximalt djup på 8.

  • Sätt informationskriteriet till 'entropy'.

  • Anpassa dt_entropy till träningsdatan.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

# Instantiate dt_entropy, set 'entropy' as the information criterion
dt_entropy = ____(____=____, ____='____', random_state=1)

# Fit dt_entropy to the training set
____.____(____, ____)
Redigera och kör kod