限制樣本大小
在決策樹中，另一種防止過度擬合的方法是指定成長一個樹葉（或節點）所需的最少觀測數。
在這個練習中，你將：
- 將此最小門檻設為 100
- 將新模型套用到員工資料
- 檢視在訓練集與測試集上的預測結果
變數 features_train、target_train、features_test 和 target_test 已經在你的工作環境中可用。
本練習屬於課程
HR 分析：用 Python 預測員工流失
練習說明
- 初始化
DecisionTreeClassifier，並將樹葉的最小觀測數設為 100 - 將決策樹模型擬合到訓練資料。
- 檢查在訓練集與測試集上的預測準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Initialize the DecisionTreeClassifier while limiting the sample size in leaves to 100
model_sample_100 = DecisionTreeClassifier(____, random_state=42)
# Fit the model
____.fit(features_train,____)
# Print the accuracy of the prediction (in percentage points) for the training set
print(____.score(features_train,target_train)*100)
# Print the accuracy of the prediction (in percentage points) for the test set
print(____.____(features_test,target_test)*100)