训练您的第一个分类树

在本练习中，您将使用 UCI 机器学习库中的威斯康星乳腺癌数据集。您将基于两个特征来预测肿瘤是恶性的还是良性的：肿瘤的平均半径（radius_mean）以及平均凹点数量（concave points_mean）。

数据集已加载到您的工作空间，并按 80% 训练集、20% 测试集进行划分。特征矩阵分别赋给 X_train 和 X_test，标签数组分别赋给 y_train 和 y_test，其中类别 1 表示恶性肿瘤，类别 0 表示良性肿瘤。为获得可复现实验结果，我们还定义了名为 SEED 的变量并将其设为 1。

本练习是课程的一部分

Python 树模型机器学习

查看课程

练习说明

从 sklearn.tree 导入 DecisionTreeClassifier。
实例化一个最大深度为 6 的 DecisionTreeClassifier，命名为 dt。
将 dt 拟合到训练集。
预测测试集标签，并将结果赋给 y_pred。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import DecisionTreeClassifier from sklearn.tree
from ____.____ import ____

# Instantiate a DecisionTreeClassifier 'dt' with a maximum depth of 6
dt = ____(____=____, random_state=SEED)

# Fit dt to the training set
____.____(____, ____)

# Predict test set labels
y_pred = ____.____(____)
print(y_pred[0:5])

编辑并运行代码