Cân bằng các lớp
Điều này có thể ảnh hưởng đáng kể đến kết quả dự đoán, thể hiện qua chênh lệch giữa các điểm recall và accuracy. Để giải quyết mất cân bằng, thường gán trọng số bằng nhau cho mỗi lớp. Bằng cách dùng đối số class_weight trong DecisionTreeClassifier của sklearn, bạn có thể đặt các lớp ở trạng thái "balanced".
Hãy chỉnh lại mô hình bằng cách xử lý vấn đề mất cân bằng:
- trước hết, bạn sẽ thiết lập một mô hình với các lớp đã được cân bằng
- sau đó, bạn sẽ khớp mô hình với dữ liệu huấn luyện
- cuối cùng, bạn sẽ kiểm tra độ chính xác trên tập kiểm tra
Các biến features_train, target_train, features_test và target_test đã có sẵn trong không gian làm việc của bạn.
Bài tập này là một phần của khóa học
Phân tích Nhân sự (HR Analytics): Dự đoán nghỉ việc bằng Python
Hướng dẫn bài tập
- Khởi tạo Decision Tree Classifier, cắt tỉa cây của bạn bằng cách giới hạn độ sâu tối đa là 5, và cân bằng trọng số lớp.
- Khớp mô hình mới.
- In
scoređộ chính xác của dự đoán (tính theo phần trăm) cho tập kiểm tra.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Initialize the DecisionTreeClassifier
model_depth_5_b = DecisionTreeClassifier(____=5,class_weight="____",random_state=42)
# Fit the model
model_depth_5_b.____(features_train,target_train)
# Print the accuracy of the prediction (in percentage points) for the test set
print(model_depth_5_b.____(features_test,____)*100)