مراجعة: ضبط شجرة

جزء من قسم التعلّم الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 36 من 58.

التحدي

متوسط

تقرأ مستشعرات مُحمِّصة القهوة 6 قيم لكل دفعة قهوة؛ وتعني القيمة 1 أنها جاهزة للتعبئة. اختر عمق الشجرة بأمانة.

افصل 20% للاختبار، ثم 25% من الباقي للتحقق (random_state=0).
للأعماق من 1 إلى 10، درّب شجرة على صفوف التدريب (random_state=0)؛ وارسم دقتها على بيانات التدريب والتحقق، باستخدام marker="o"، مع تسميتي training وvalidation.
اطبع أفضل عمق، ثم دقته على بيانات الاختبار.
حدّد ذلك العمق بخط متقطع ودرجة الاختبار بنجمة حمراء؛ وأضف وسيلة إيضاح.

وتطبع مُحمِّصة أخرى:

Best depth: 5 (validation accuracy 0.887)
Test accuracy: 0.750

وترسم هذا. ثم يصف Coddy مخططك.

دفعات القهوة: اختيار عمق. يرتفع خط التدريب من 0.69 إلى ما يقارب 1.0؛ ويبلغ خط التحقق ذروته عند 0.89 في العمق 5، ثم ينخفض إلى 0.78. يظهر خط متقطع عند العمق 5، وعليه نجمة حمراء عند 0.75، وهي درجة الاختبار

جرّب بنفسك

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# تنشئ make_classification صفوفًا واقعية للتدريب: هنا 400 دفعة من القهوة،
# لكل منها 6 قراءات من مستشعرات المحمصة، وتكون التسمية 1 عندما تكون الدفعة جاهزة للتعبئة في أكياس
X, y = make_classification(n_samples=400, n_features=6, n_informative=3, n_redundant=1,
                           flip_y=0.1, random_state=79)

fig, ax = plt.subplots()
ax.set_title("Coffee Batches: Choosing a Depth")
ax.set_xlabel("Tree depth")
ax.set_ylabel("Accuracy")

# اكتب الكود الخاص بك أدناه