Decision tree กับ neural network
สร้าง decision tree classifier เพื่อจำแนกระดับรายได้จากหลายฟีเจอร์ ได้แก่ อายุ ระดับการศึกษา และจำนวนชั่วโมงทำงานต่อสัปดาห์ จากนั้นดึงกฎที่โมเดลเรียนรู้มาเพื่ออธิบายการตัดสินใจ แล้วเปรียบเทียบประสิทธิภาพกับ MLPClassifier ที่ฝึกบนข้อมูลชุดเดียวกัน
X_train, X_test, y_train และ y_test ถูกโหลดไว้ให้แล้ว รวมถึงฟังก์ชัน accuracy_score และ export_text ก็ถูก import ไว้ให้เรียบร้อย
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Explainable AI ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
model = DecisionTreeClassifier(random_state=42, max_depth=2)
model.fit(X_train, y_train)
# Extract the rules
rules = ____
print(rules)
y_pred = model.predict(X_test)
# Compute accuracy
accuracy = ____
print(f"Accuracy: {accuracy:.2f}")