مراجعة: قرارات القروض

جزء من قسم التعلّم الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 31 من 58.

التحدي

متوسط

هل تتذكر قرض المزرعة الذي وعد به هذا الفصل؟ يريد صندوق للقروض الصغيرة شجرةً يمكنه شرحها للمزارعين. تقسم الشيفرة الابتدائية قروضه السابقة.

أنشئ أشجارًا بدءًا من العمق 1 (random_state=0)، واطبع دقة الاختبار لكل منها. توقّف عند أول عمق لا يحقق نتيجة أفضل من العمق السابق.
احتفظ بآخر عمق تحسّن: اطبعه واطبع أسئلة تلك الشجرة.
اطبع أهم ميزتين فيها، كما هو موضح أدناه.

بالنسبة إلى صندوق آخر:

Depth 1: test accuracy 0.650
Depth 2: test accuracy 0.850
Depth 3: test accuracy 0.833
Keep depth 2
|--- savings_usd <= 154.50
|   |--- earlier_loans <= 0.50
|   |   |--- class: 0
|   |--- earlier_loans >  0.50
|   |   |--- class: 1
|--- savings_usd >  154.50
|   |--- earlier_loans <= 0.50
|   |   |--- class: 1
|   |--- earlier_loans >  0.50
|   |   |--- class: 1

Most important: savings_usd (0.563)
Next: earlier_loans (0.437)

جرّب بنفسك

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, export_text

# قروض صغيرة سابقة لمزارع صغيرة: القيمة 1 في repaid تعني أن القرض سُدِّد بالكامل
loans = pd.read_csv("loans.csv")
features = ["amount_usd", "income_usd", "years_farming", "earlier_loans", "savings_usd", "group_size"]
X_train, X_test, y_train, y_test = train_test_split(loans[features], loans["repaid"], test_size=0.25, random_state=0)

# اكتب التعليمات البرمجية الخاصة بك أدناه