Podsumowanie: dostrajanie drzewa

Część sekcji Uczenie nadzorowane ścieżki Machine Learning w Coddy. Lekcja 36 z 58.

Wyzwanie

Średni

Czujniki palarni odczytują 6 wartości dla każdej partii kawy; 1 oznacza gotowość do zapakowania. Uczciwie wybierz głębokość drzewa.

Odłóż 20% na testowanie, a następnie 25% pozostałych danych na walidację (random_state=0).
Dla głębokości od 1 do 10 dopasuj drzewo (random_state=0) do wierszy treningowych; wykreśl jego dokładność treningową i walidacyjną, marker="o", z etykietami training i validation.
Wypisz najlepszą głębokość, a następnie dokładność testową dla tej głębokości.
Oznacz tę głębokość linią przerywaną, a wynik testu czerwoną gwiazdką; dodaj legendę.

Inna palarnia wyświetla:

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

i rysuje poniższy wykres. Następnie Coddy opisuje Twój wykres.

Partie kawy: wybór głębokości. Linia treningowa wznosi się z 0.69 do prawie 1.0; linia walidacyjna osiąga maksimum 0.89 przy głębokości 5, a następnie spada do 0.78. Linia przerywana znajduje się przy głębokości 5, a na niej czerwona gwiazdka na poziomie 0.75, czyli wyniku testu

Spróbuj swoich sił

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 tworzy realistyczne wiersze danych do ćwiczeń: tutaj 400 partii kawy,
# po 6 odczytów czujników palarni dla każdej z nich; etykieta 1 oznacza, że partia jest gotowa do zapakowania
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")

# Napisz swój kod poniżej