受限与不受限的决策树
在本练习中，我们将回到上一章节使用的宝可梦数据集。回顾一下，我们的目标是预测某只宝可梦是否为传说宝可梦。
这里，您将构建两个独立的决策树分类器。第一个模型中，您只指定参数 min_samples_leaf 和 min_samples_split，不设置最大深度，这样树可以在没有限制的情况下充分生长。
第二个模型中，您将通过限制决策树的深度来施加一些约束。随后对比两个模型，您将更好地理解"弱"学习器的概念。
本练习是课程的一部分
Python 中的集成方法
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build unrestricted decision tree
clf = ____
clf.fit(X_train, y_train)
# Predict the labels
pred = clf.predict(X_test)
# Print the confusion matrix
cm = confusion_matrix(y_test, pred)
print('Confusion matrix:\n', cm)
# Print the F1 score
score = f1_score(y_test, pred)
print('F1-Score: {:.3f}'.format(score))