Conteúdo do curso Lição 88 de 250 · Seus Primeiros Modelos de Machine Learning
Seus Primeiros Modelos de Machine Learning

Seu Primeiro Modelo: uma Árvore de Decisão

Hora de treinar algo de verdade. Um decision tree classifier aprende um fluxograma de perguntas de sim/não sobre as features, e cada folha do fluxograma é um label previsto. É um ótimo primeiro modelo porque é fácil de imaginar: ele apenas continua fazendo perguntas como "a feature 1 é maior que 5?" até que possa decidir.

O código segue o ritual fit/predict da lição um:

from sklearn.tree import DecisionTreeClassifier

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

Passamos random_state=0 para reprodutibilidade. Conforme ele constrói cada divisão, o scikit-learn permuta aleatoriamente as features que ele considera, então duas execuções sem semente podem escolher divisões diferentes (igualmente boas) e criar árvores ligeiramente diferentes. Fixar a semente fixa essa escolha para que você obtenha a mesma árvore todas as vezes.

Você vai treinar em um dataset pequeno e limpo. Cada linha tem duas features. O label é 0 quando ambas as features são pequenas e 1 quando ambas são grandes, com um intervalo claro entre elas:

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)

Porque os dois grupos estão perfeitamente separados, a árvore pode aprender uma regra que acerta cada linha de treinamento. Isso nem sempre vai acontecer com dados reais bagunçados, e as próximas lições são todas sobre o que fazer quando isso não acontece. Mas isso cria uma primeira execução limpa.

Uma nota sobre o mundo da IA em geral: ferramentas pesadas como TensorFlow e PyTorch não podem rodar neste Python no navegador, então este curso fica com o scikit-learn, que é o suficiente para aprender as ideias reais.

Sua vez

As features X (8 linhas, 2 colunas) e os labels y são fornecidos. Crie um DecisionTreeClassifier(random_state=0) chamado clf, ajuste-o em X e y, depois faça a predição em X e armazene o resultado em preds. Também faça a predição do ponto único novo [[9, 9]] e armazene apenas aquele label (um int) em new_pred.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.