Repaso: Ajustar un árbol

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 36 de 58.

Desafío

Intermedio

Los sensores de un tostador leen 6 valores por lote de café; 1 significa que está listo para embolsar. Elige la profundidad del árbol de forma honesta.

Separa el 20% para las pruebas y después el 25% del resto para la validación (random_state=0).
Para profundidades de 1 a 10, ajusta un árbol (random_state=0) con las filas de entrenamiento; representa gráficamente su precisión de entrenamiento y validación, marker="o", etiquetadas como training y validation.
Imprime la mejor profundidad y después su precisión en las pruebas.
Marca esa profundidad con una línea discontinua y la puntuación de prueba con una estrella roja; añade una leyenda.

Otro tostador imprime:

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

y dibuja esto. Coddy describe entonces tu gráfico.

Lotes de café: elección de una profundidad. La línea de entrenamiento sube de 0.69 a casi 1.0; la línea de validación alcanza un máximo de 0.89 en la profundidad 5 y luego baja a 0.78. Hay una línea discontinua en la profundidad 5 con una estrella roja sobre ella en 0.75, la puntuación de prueba

Pruébalo tú mismo

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

# make_classification genera filas realistas para practicar: aquí, 400 lotes de café,
# con 6 lecturas de sensores del tostador cada uno y la etiqueta 1 cuando el lote está listo para envasar
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")

# Escribe tu código a continuación