Herausforderung: Implementierung eines Entscheidungsbaums
In dieser Herausforderung verwenden Sie den titanic Datensatz. Er enthält Informationen über Passagiere der Titanic, einschließlich ihres Alters, Geschlechts, ihrer Familiengröße usw. Die Aufgabe besteht darin, vorherzusagen, ob eine Person überlebt hat oder nicht.
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/titanic.csv') print(df.head())
Um den Entscheidungsbaum zu implementieren, können Sie den DecisionTreeClassifier
aus dem sklearn
verwenden.
Ihre Aufgabe ist es, einen Entscheidungsbaum zu erstellen und die besten max_depth
und min_samples_leaf
mittels Grid Search zu finden.
Swipe to start coding
- Importieren Sie die Klasse
DecisionTreeClassifier
aussklearn.tree
. - Weisen Sie eine Instanz von
DecisionTreeClassifier
der Variablendecision_tree
zu. - Erstellen Sie ein Wörterbuch für einen
GridSearchCV
, um durch[1, 2, 3, 4, 5, 6, 7]
Werte vonmax_depth
und[1, 2, 4, 6]
Werte vonmin_samples_leaf
zu laufen. - Erstellen Sie ein
GridSearchCV
-Objekt und trainieren Sie es.
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Awesome!
Completion rate improved to 3.57
Herausforderung: Implementierung eines Entscheidungsbaums
Swipe um das Menü anzuzeigen
In dieser Herausforderung verwenden Sie den titanic Datensatz. Er enthält Informationen über Passagiere der Titanic, einschließlich ihres Alters, Geschlechts, ihrer Familiengröße usw. Die Aufgabe besteht darin, vorherzusagen, ob eine Person überlebt hat oder nicht.
1234import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/b71ff7ac-3932-41d2-a4d8-060e24b00129/titanic.csv') print(df.head())
Um den Entscheidungsbaum zu implementieren, können Sie den DecisionTreeClassifier
aus dem sklearn
verwenden.
Ihre Aufgabe ist es, einen Entscheidungsbaum zu erstellen und die besten max_depth
und min_samples_leaf
mittels Grid Search zu finden.
Swipe to start coding
- Importieren Sie die Klasse
DecisionTreeClassifier
aussklearn.tree
. - Weisen Sie eine Instanz von
DecisionTreeClassifier
der Variablendecision_tree
zu. - Erstellen Sie ein Wörterbuch für einen
GridSearchCV
, um durch[1, 2, 3, 4, 5, 6, 7]
Werte vonmax_depth
und[1, 2, 4, 6]
Werte vonmin_samples_leaf
zu laufen. - Erstellen Sie ein
GridSearchCV
-Objekt und trainieren Sie es.
Lösung
Danke für Ihr Feedback!
Awesome!
Completion rate improved to 3.57single