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 rowsPassamos 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.
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.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.