組み込み開発のためのPython · レッスン 136 / 220
決定木で分類・回帰する
決定木は特徴量の条件分岐を積み重ねます。深さを制限しない木は訓練データを記憶しやすいため、深さや葉の最小件数を検証します。
決定木は特徴量の条件分岐を積み重ねます。深さを制限しない木は訓練データを記憶しやすいため、深さや葉の最小件数を検証します。 仕組みだけでなく、検証方法と運用上の注意も具体例で確認します。
基本の考え方
決定木は特徴量の条件分岐を積み重ねます。深さを制限しない木は訓練データを記憶しやすいため、深さや葉の最小件数を検証します。
安全に試すための確認
例は学習用データを使うもので、品質を保証する予測器ではありません。実データの欠損、単位、偏り、データ漏えいを確認し、テスト用データを学習中に参照しないでください。
コード例
手元のPython環境に貼り付ける前に、使用しているPythonの版と対象ライブラリの対応を確認してください。
from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier(max_depth=2, random_state=0).fit([[0], [1], [2], [3]], [0, 0, 1, 1])
print(model.predict([[1.5]]))手を動かす課題
木の深さを1から大きくし、訓練精度と検証精度の変化を図示してください。