Kom igångKom igång gratis

Instantiera modellen

I följande övningar ska du diagnostisera bias- och variansproblem i ett regressionsträd. Det regressionsträd du definierar i den här övningen används för att förutsäga bränsleförbrukningen (mpg) för bilar i auto-datamängden, med hjälp av alla tillgängliga särdrag.

Vi har redan bearbetat data och laddat feature-matrisen X och arrayen y i din workspace. Dessutom har klassen DecisionTreeRegressor importerats från sklearn.tree.

Den här övningen är en del av kursen

Maskininlärning med trädbaserade modeller i Python

Visa kurs

Övningsinstruktioner

  • Importera train_test_split från sklearn.model_selection.
  • Dela upp data i 70% träning och 30% test.
  • Instantiera en DecisionTreeRegressor med ett maximalt djup på 4 och min_samples_leaf satt till 0.26.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import train_test_split from sklearn.model_selection
____

# Set SEED for reproducibility
SEED = 1

# Split the data into 70% train and 30% test
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=SEED)

# Instantiate a DecisionTreeRegressor dt
dt = ____(____=____, ____=____, random_state=SEED)
Redigera och kör kod