Tek tek XGBoost ağaçlarını görselleştirme

Artık XGBoost'u hem regresyon hem de sınıflandırma modelleri kurup değerlendirmek için kullandığına göre, modellerini görsel olarak nasıl keşfedeceğini öğrenme zamanı. Burada, XGBoost'un tüm konut veri kümesini kullanarak oluşturduğu tam güçlendirilmiş modeldeki tek tek ağaçları görselleştireceksin.

XGBoost, bu tür görselleştirmeyi kolaylaştıran bir plot_tree() işlevine sahiptir. XGBoost öğrenme API'sini kullanarak bir model eğittikten sonra, num_trees bağımsız değişkeniyle çizdirmek istediğin ağaç sayısını belirterek modeli plot_tree() işlevine verebilirsin.

Bu egzersiz

XGBoost ile Aşırı Gradyan Artırma

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

"objective" değeri "reg:squarederror" ve "max_depth" değeri 2 olan bir parametre sözlüğü oluştur.
Modeli 10 güçlendirme (boosting) turu ve oluşturduğun parametre sözlüğüyle eğit. Sonucu xg_reg içinde sakla.
İlk ağacı xgb.plot_tree() ile çiz. Bu fonksiyon iki argüman alır — model (bu durumda xg_reg) ve 0'dan indekslenen num_trees. Yani ilk ağacı çizmek için num_trees=0 belirt.
Beşinci ağacı çiz.
Son (onuncu) ağacı yatay olarak çiz. Bunu yapmak için ek anahtar argüman olarak rankdir="LR" belirt.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create the DMatrix: housing_dmatrix
housing_dmatrix = xgb.DMatrix(data=X, label=y)

# Create the parameter dictionary: params
params = {"objective":"reg:squarederror", "max_depth":2}

# Train the model: xg_reg
xg_reg = xgb.train(params=params, dtrain=housing_dmatrix, num_boost_round=10)

# Plot the first tree
____
plt.show()

# Plot the fifth tree
____
plt.show()

# Plot the last tree sideways
____
plt.show()

Kodu Düzenle ve Çalıştır