1. Learn
    2. /
  2. 课程
    3. /
  3. Python 树模型机器学习
Connected

道练习

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。

说明

100 XP

  • 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。