סיכום: כוונון עץ

חלק מהיחידה למידה מונחית במסלול ה-Machine Learning של Coddy. שיעור 36 מתוך 58.

אתגר

בינוני

החיישנים של קולה קפה קוראים 6 ערכים לכל אצוות קפה; 1 פירושו שהאצווה מוכנה לאריזה. בחרו עומק עץ באופן הוגן.

הפרידו 20% לבדיקה, ואז 25% מהיתר לאימות (random_state=0).
לעומקים 1 עד 10, התאימו עץ (random_state=0) לשורות האימון; שרטטו את הדיוק באימון ובאימות, marker="o", עם התוויות training ו-validation.
הדפיסו את העומק הטוב ביותר, ואז את דיוק הבדיקה שלו.
סמנו את העומק הזה בקו מקווקו ואת ציון הבדיקה בכוכב אדום; הוסיפו מקרא.

קולה אחר מדפיס:

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

ומצייר את זה. לאחר מכן Coddy מתאר את התרשים שלכם.

אצוות קפה: בחירת עומק. קו האימון עולה מ-0.69 לכמעט 1.0; קו האימות מגיע לשיא של 0.89 בעומק 5, ואז יורד ל-0.78. קו מקווקו מסומן בעומק 5, ועליו כוכב אדום בגובה 0.75, ציון הבדיקה

נסו בעצמכם

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 יוצר שורות נתונים מציאותיות לתרגול: כאן 400 אצוות קפה,
# 6 קריאות מחיישני הקלייה לכל אצווה, עם תווית 1 כשהאצווה מוכנה לאריזה
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")

# כתבו את הקוד שלכם למטה