Повторение: решения по кредитам
Часть раздела Обучение с учителем путешествия по Machine Learning на Coddy. Урок 31 из 58.
Задание
СреднеПомнишь кредит для фермы, о котором обещали рассказать в этой главе? Фонд микрокредитования хочет дерево решений, которое можно объяснить фермерам. В стартовом коде разделяются данные о выданных ранее кредитах.
- Обучай деревья, начиная с глубины 1 (
random_state=0), и выводи точность на тестовых данных для каждого дерева. Остановись на первой глубине, на которой результат не лучше, чем на предыдущей. - Оставь последнюю глубину, на которой результат улучшился: выведи её и вопросы этого дерева.
- Выведи два наиболее важных признака, как показано ниже.
Для другого фонда:
Depth 1: test accuracy 0.650
Depth 2: test accuracy 0.850
Depth 3: test accuracy 0.833
Keep depth 2
|--- savings_usd <= 154.50
| |--- earlier_loans <= 0.50
| | |--- class: 0
| |--- earlier_loans > 0.50
| | |--- class: 1
|--- savings_usd > 154.50
| |--- earlier_loans <= 0.50
| | |--- class: 1
| |--- earlier_loans > 0.50
| | |--- class: 1
Most important: savings_usd (0.563)
Next: earlier_loans (0.437)Попробуйте сами
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, export_text
# Ранее выданные микрозаймы небольшим фермерским хозяйствам: 1 в repaid означает, что заём был погашен полностью
loans = pd.read_csv("loans.csv")
features = ["amount_usd", "income_usd", "years_farming", "earlier_loans", "savings_usd", "group_size"]
X_train, X_test, y_train, y_test = train_test_split(loans[features], loans["repaid"], test_size=0.25, random_state=0)
# Напишите свой код ниже
Все уроки раздела Обучение с учителем
1Ваша первая модель
Обучение на примерахОбучающая и тестовая выборкиОбучение и предсказаниеОценка моделиПовторение: сортировщик семян4Логистическая регрессия
Предсказания «да» или «нет»Порог принятия решенияВеса как свидетельстваНесколько классовПовторение: спам-фильтр2Метод ближайших соседей
Как работает k-NNВыбор kГраницы принятия решенийМасштабирование признаков для поиска соседейПовторение: соседи для вин5Оценка классификаторов
Матрица ошибокТочность и полнотаF1-мераНесбалансированные классыROC-кривыеПовторение: скрининговый тест8Кросс-валидация
K-блочная проверкаСправедливое сравнение моделейПоиск по сеткеПовторение: ремонт скейтбордов11Проект: виды пингвинов
Знакомство с пингвинамиПодготовка данныхВыбор моделиНастройка лучшей моделиЗапуск модели3Линейная регрессия
Предсказание чиселНесколько признаковОценка ошибокГрафики остатковПовторение: прокат велосипедов6Деревья решений
Деревья задают вопросыКак читать деревоГлубина дереваВажность признаковПовторение: решения по кредитамПотренируйтесь самостоятельно: Онлайн-компилятор Python