Ringkasan: Menyetel Pohon

Termasuk bagian Pembelajaran Terawasi dalam perjalanan Machine Learning di Coddy. Pelajaran 36 dari 58.

Tantangan

Sedang

Sensor pemanggang membaca 6 nilai untuk setiap batch kopi; 1 berarti siap dikemas. Pilih kedalaman pohon dengan jujur.

Pisahkan 20% untuk pengujian, lalu 25% dari sisanya untuk validasi (random_state=0).
Untuk kedalaman 1 hingga 10, latih pohon (random_state=0) menggunakan baris pelatihan; plot akurasi pelatihan dan validasinya, marker="o", dengan label training dan validation.
Cetak kedalaman terbaik, lalu akurasi pengujiannya.
Tandai kedalaman tersebut dengan garis putus-putus dan skor pengujian dengan bintang merah; tambahkan legenda.

Pemanggang lain mencetak:

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

dan menggambar ini. Coddy kemudian menjelaskan grafikmu.

Batch Kopi: Memilih Kedalaman. Garis pelatihan naik dari 0.69 hingga hampir 1.0; garis validasi mencapai puncak 0.89 pada kedalaman 5, lalu turun menjadi 0.78. Garis putus-putus berada pada kedalaman 5 dengan bintang merah di 0.75, skor pengujian

Coba sendiri

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 membuat baris data yang realistis untuk latihan: di sini ada 400 batch kopi,
# masing-masing dengan 6 pembacaan sensor pemanggang, berlabel 1 saat batch siap dikemas
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")

# Tulis kodemu di bawah ini