1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для фінансів у Python
Connected

Вправа

Навчіть дерево рішень

Random forests — це модель «за замовчуванням» для прогнозування: вони добре працюють «з коробки». Але спершу розберімо будівельний блок випадкових лісів — дерева рішень.

Дерева рішень розбивають дані на групи на основі ознак. Дерево починається з кореневого вузла й розщеплює дані доти, доки не досягнемо листових вузлів.

decision tree

Можна скористатися sklearn, щоб навчити дерево рішень за допомогою DecisionTreeRegressor і методу .fit(features, targets).

Якщо не обмежити глибину (або висоту) дерева, воно й надалі ділитиме дані, доки в кожному листі не залишиться 1 зразок — це класичне перенавчання. Докладніше про перенавчання ви дізнаєтеся в наступних розділах.

Інструкції

100 XP
  • Використайте імпортований клас DecisionTreeRegressor з параметрами за замовчуванням (тобто без аргументів), щоб створити модель дерева рішень decision_tree.
  • Навчіть модель на train_features та train_targets, які ми створили раніше (вони містять ознаки дня тижня та обсягу).
  • Виведіть оцінку на тренувальних ознаках і цілях, а також на test_features і test_targets.