限制样本量
在决策树中，另一种防止过拟合的方法是为叶子（或节点）的生长设定所需的最小观测数。
在本练习中，您将：
- 将该最小阈值设为 100
- 将新模型拟合到员工数据
- 在训练集和测试集上检查预测结果
变量 features_train、target_train、features_test 和 target_test 已在您的工作区中可用。
本练习是课程的一部分
HR Analytics：用 Python 预测员工流失
练习说明
- 初始化
DecisionTreeClassifier，并将叶节点的最小观测数设为 100 - 将决策树模型拟合到训练数据。
- 检查在训练集和测试集上的预测准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)