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

Вправа

Спробуйте різні максимальні глибини

Ми завжди прагнемо оптимізувати наші моделі машинного навчання, щоб робити якомога кращі прогнози. Це можна зробити, налаштовуючи гіперпараметри — параметри керування моделями. У наступних розділах ми детальніше побачимо, як вони допомагають, але поки що уявімо їх як регулятори, якими можна крутити, щоб покращити якість прогнозів.

Для звичайних дерев рішень одним із найважливіших гіперпараметрів є max_depth. Він обмежує кількість розгалужень у дереві рішень. Знайдімо найкраще значення max_depth на основі метрики R\(^2\) нашої моделі на тестовій вибірці, яку можна отримати методом score() моделей дерева рішень.

Інструкції

100 XP
  • Переберіть значення 3, 5 і 10 для використання як параметра max_depth у моделі дерева рішень.
  • На кожній ітерації циклу задайте параметр max_depth у DecisionTreeRegressor рівним d.
  • Виведіть значення метрики моделі на train_features і train_targets.