Cây quyết định
Trong ba chương trước, bạn đã học nhiều kỹ thuật giúp xử lý các khía cạnh khác nhau của phỏng vấn Machine Learning. Ở chương này, bạn sẽ được giới thiệu các cách đảm bảo bất kỳ mô hình nào bạn được yêu cầu xây dựng hoặc thảo luận trong buổi phỏng vấn Machine Learning đều có khả năng khái quát hóa tốt, được đánh giá đúng cách và được lựa chọn phù hợp trong số các mô hình khả dĩ khác.
Trong bài tập này, bạn sẽ đi sâu vào tinh chỉnh siêu tham số (hyperparameter tuning) cho một cây quyết định trên bộ dữ liệu loan_data.
Tại đây, bạn sẽ tinh chỉnh min_samples_split (số lượng mẫu tối thiểu cần có để tạo thêm một nhánh nhị phân) và max_depth (độ sâu tối đa của cây). Cây càng sâu thì càng có nhiều lần chia, từ đó nắm bắt nhiều thông tin hơn về dữ liệu.
Ma trận đặc trưng X và nhãn mục tiêu y đã được nhập sẵn cho bạn.
Lưu ý rằng một lần nữa bạn đang thực hiện toàn bộ các bước trong quy trình Machine Learning!
Bài tập này là một phần của khóa học
Luyện tập câu hỏi phỏng vấn Machine Learning bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import modules
from sklearn.tree import ____
from sklearn.metrics import accuracy_score
# Train/test split
X_train, X_test, y_train, y_test = train_test_split(____, ____, test_size=0.30, random_state=123)
# Instantiate, Fit, Predict
loans_clf = ____()
loans_clf.____(____, ____)
y_pred = loans_clf.____(____)
# Evaluation metric
print("Decision Tree Accuracy: {}".format(____(____,____)))