Özet: Bir Ağacı Ayarlama

Coddy'nin Machine Learning Journey'sinin Denetimli Öğrenme bölümünün bir parçası. Ders 36 / 58.

Görev

Orta

Kavurucunun sensörleri her kahve partisi için 6 değer okur; 1, paketlemeye hazır olduğu anlamına gelir. Ağaç derinliğini dürüstçe seç.

Test için %20'yi ayır, ardından kalanların %25'ini doğrulama için ayır (random_state=0).
1'den 10'a kadar olan derinlikler için eğitim satırlarında bir ağaç eğit (random_state=0); eğitim ve doğrulama doğruluklarını marker="o" ile çiz ve training ile validation olarak etiketle.
En iyi derinliği, ardından test doğruluğunu yazdır.
Bu derinliği kesikli bir çizgiyle, test skorunu kırmızı bir yıldızla işaretle; bir gösterge ekle.

Başka bir kavurucu şunu yazdırır:

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

ve bunu çizer. Coddy ardından grafiğini açıklar.

Coffee Batches: Choosing a Depth. Eğitim çizgisi 0.69'dan neredeyse 1.0'a yükselir; doğrulama çizgisi 5 derinliğinde 0.89 ile zirveye ulaşır, ardından 0.78'e düşer. 5 derinliğinde kesikli bir çizgi bulunur ve üzerinde 0.75 test skorunda kırmızı bir yıldız vardır

Kendin dene

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 pratik yapmak için gerçeğe yakın veri satırları oluşturur: burada 400 kahve partisi vardır,
# her biri için 6 kavurma makinesi sensörü ölçümü bulunur; parti paketlenmeye hazır olduğunda etiket 1 olur
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")

# Kodunuzu aşağıya yazın