เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ต้นไม้ตัดสินใจแบบมีข้อจำกัดและไม่มีข้อจำกัด

ในแบบฝึกหัดนี้ เราจะกลับมาใช้ชุดข้อมูล Pokémon จากบทที่แล้ว โดยมีเป้าหมายเพื่อทำนายว่า Pokémon ตัวใดตัวหนึ่งเป็น Legendary หรือไม่

คราวนี้จะสร้าง decision tree classifier แยกกันสองตัว ตัวแรกจะกำหนดพารามิเตอร์ min_samples_leaf และ min_samples_split โดยไม่จำกัดความลึกสูงสุด เพื่อให้ต้นไม้เติบโตได้อย่างเต็มที่

ตัวที่สองจะเพิ่มข้อจำกัดโดยการจำกัดความลึกของ decision tree การเปรียบเทียบโมเดลทั้งสองจะช่วยให้เข้าใจแนวคิดของ "weak" learner ได้ชัดขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Ensemble Methods ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))
แก้ไขและรันโค้ด