Lære Utfordring: Implementering av et Beslutningstre

I denne utfordringen skal du bruke Titanic-datasettet, som inneholder informasjon om passasjerene på Titanic, inkludert alder, kjønn, familiestørrelse og mer. Målet er å forutsi om en passasjer overlevde eller ikke.


              1234
            
import 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())

For å implementere Decision Tree kan du bruke DecisionTreeClassifier fra sklearn:

Konstruktør:

DecisionTreeClassifier(max_depth=None, min_samples_leaf=1)
max_depth — maksimal dybde på treet. Standardverdi er None;
min_samples_leaf — minimum antall forekomster i et bladnode. Standardverdi er 1;

Metoder:

fit(X, y) — Tilpass treningssettet;
predict(X) — Forutsi klassen for X;
score(X, y) — Returnerer nøyaktigheten for X, y-settet;

Attributter:

feature_importances_ — Viktighet av egenskaper;
feature_names_in_ — Egenskapsnavn sett under .fit().

Oppgaven er å bygge et beslutningstre og finne den beste verdien for max_depth og min_samples_leaf ved hjelp av grid search.

Oppgave

Swipe to start coding

Du har fått et Titanic-datasett lagret som en DataFrame i variabelen df.

Initialiser en Decision Tree-modell og lagre den i variabelen decision_tree.
Opprett en ordbok for GridSearchCV som itererer gjennom verdiene [1, 2, 3, 4, 5, 6, 7] for max_depth og [1, 2, 4, 6] for min_samples_leaf, og lagre den i variabelen param_grid.
Initialiser og tren et GridSearchCV-objekt, sett antall fold til 10, og lagre den trente modellen i variabelen grid_cv.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 30

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Sveip for å vise menyen


              1234
            
import 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())