Kısıtlı ve kısıtsız karar ağaçları
Bu egzersizde, önceki bölümden Pokémon veri kümesine geri döneceğiz. Amacın, verilen bir Pokémon'un efsanevi olup olmadığını tahmin etmek olduğunu hatırla.
Burada iki ayrı karar ağacı sınıflandırıcısı kuracaksın. İlkinde, min_samples_leaf ve min_samples_split parametrelerini belirtecek, ancak maksimum derinlik belirtmeyeceksin; böylece ağaç herhangi bir kısıtlama olmadan tamamen gelişebilecek.
İkincisinde ise karar ağacının derinliğini sınırlayarak bazı kısıtlar belirleyeceksin. İki modeli karşılaştırarak "zayıf" öğrenici kavramını daha iyi anlayacaksın.
Bu egzersiz, kursun bir parçasıdır
Python'da Ensemble Yöntemleri
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))