Programma Lezione 88 di 250 · I tuoi primi modelli di machine learning
I tuoi primi modelli di machine learning

Il tuo primo modello: un albero decisionale

È il momento di addestrare davvero qualcosa. Un classificatore ad albero decisionale impara un diagramma di domande sì/no sulle feature, e ogni foglia del diagramma è un'etichetta prevista. È un ottimo primo modello perché è facile da immaginare: continua a fare domande come "la feature 1 è maggiore di 5?" finché non riesce a decidere.

Il codice segue il rituale fit/predict della prima lezione:

from sklearn.tree import DecisionTreeClassifier

clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y)               # learn the questions
clf.predict(X_new)          # classify new rows

Passiamo random_state=0 per la riproducibilità. Mentre costruisce ogni divisione scikit-learn permuta a caso le feature che considera, quindi due esecuzioni senza seme possono scegliere divisioni diverse (ugualmente buone) e far crescere alberi un po' diversi. Fissare il seme blocca quella scelta così ottieni ogni volta lo stesso albero.

Addestrerai su un dataset minuscolo e pulito. Ogni riga ha due feature. L'etichetta è 0 quando entrambe le feature sono piccole e 1 quando sono entrambe grandi, con uno stacco netto in mezzo:

X = [[1,1],[2,1],[1,2],[2,2],   # all label 0 (low/low)
     [8,8],[9,8],[8,9],[9,9]]   # all label 1 (high/high)

Dato che i due gruppi sono perfettamente separati, l'albero può imparare una regola che azzecca ogni riga di addestramento. Con dati reali disordinati non succederà sempre, e le prossime lezioni parlano proprio di cosa fare quando non succede. Ma è un primo tentativo pulito.

Una nota sul mondo dell'IA più ampio: strumenti pesanti come TensorFlow e PyTorch non possono girare in questo Python nel browser, quindi questo corso resta con scikit-learn, che basta e avanza per imparare le idee vere.

Tocca a te

Ti vengono date le feature X (8 righe, 2 colonne) e le etichette y. Crea un DecisionTreeClassifier(random_state=0) chiamato clf, addestralo con fit su X e y, poi fai predict su X e salva il risultato in preds. Prevedi anche il singolo nuovo punto [[9, 9]] e salva solo quella etichetta (un int) in new_pred.

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.