1. Learn
    2. /
  2. Курси
    3. /
  3. Ансамблеві методи в Python
Connected

Вправа

Обмежені та необмежені дерева рішень

У цій вправі ми знову звернемося до набору даних Pokémon з попереднього розділу. Нагадаємо, мета — передбачити, чи є певний Pokémon легендарним.

Тут ви побудуєте два окремі класифікатори на основі дерева рішень. У першому ви задасте параметри min_samples_leaf і min_samples_split, але не встановлюватимете максимальну глибину, щоб дерево могло повністю розвиватися без обмежень.

У другому ви накладете деякі обмеження, лімітувавши глибину дерева рішень. Порівнявши ці дві моделі, ви краще зрозумієте поняття «слабкого» навчального алгоритму (learner).

Інструкції 1/2

undefined XP
  • 1

    Побудуйте необмежене дерево рішень з параметрами min_samples_leaf=3, min_samples_split=9 і random_state=500.

  • 2

    Побудуйте обмежене дерево, замінивши min_samples_leaf і min_samples_split на max_depth=4 і max_features=2.