Ağaçlar Soru Soruyor

Coddy'nin Machine Learning Journey'sinin Denetimli Öğrenme bölümünün bir parçası. Ders 27 / 58.

Bu bölüm, bir çiftlik kredisini açıklayan bir ağaçla sona eriyor. Bir karar ağacı, yirmi soru oyununa benzer: Bir özelliğe ilişkin her seferinde bir evet-hayır sorusu sorar ve sonunda bir yanıta ulaşır:

Bir ağaç diyagramı. En üstteki kutuda şu soru soruluyor: Taç yaprağı genişliği 0.8 cm veya daha az mı? Evet yanıtı setosa'ya götürüyor. Hayır yanıtı ikinci bir kutuya götürüyor: Taç yaprağı uzunluğu 4.95 cm veya daha az mı? Evet yanıtı versicolor'a, hayır yanıtı virginica'ya götürüyor

Eğitim, yanıtları sınıfları olabildiğince temiz biçimde ayıracak şekilde her soruyu seçer:

from sklearn.tree import DecisionTreeClassifier

tree = DecisionTreeClassifier(max_depth=2, random_state=0)
tree.fit(X_train, y_train)  # taç yaprağı uzunluğu ve genişliği, cm
print(tree.predict([[4.5, 1.4]]))

Bu, [1], versicolor değerini yazdırır. max_depth=2 her yol için iki soruya izin verir. Ölçeklendirme gerekmez: her soru bir özelliği okur.

Görev

Orta

Bir kamera kiralama dükkânı, ekipman geç dönebilecekse hatırlatma mesajı gönderir. Başlangıç kodu geçmiş kiralamaları böler ve yeni bir kiralamayı tek satırlık new_rental tablosuna okur.

Her yol için en fazla 2 soru içeren bir karar ağacı eğit (random_state=0).
Test doğruluğunu (3 ondalık basamakla) ve yeni kiralama için verdiği yanıtı yazdır: 1 için likely late, 0 için likely on time.

Başka bir dükkân için:

Test accuracy: 0.792
This rental: likely on time

Kendin dene

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# Geçmiş kiralamalar: late sütunundaki 1, ekipmanın geç iade edildiği anlamına gelir
rentals = pd.read_csv("rentals.csv")
features = ["rental_weeks", "gear_value_usd", "customer_age", "late_before"]
X_train, X_test, y_train, y_test = train_test_split(rentals[features], rentals["late"], test_size=0.25, random_state=0)

# Yeni bir kiralama: rezerve edilen hafta sayısı, ekipmanın değeri, müşterinin yaşı ve şimdiye kadarki geç iadeleri
weeks = int(input())
value = int(input())
age = int(input())
late_before = int(input())
new_rental = pd.DataFrame([[weeks, value, age, late_before]], columns=features)

# Kodunuzu aşağıya yazın