Программа курса Урок 88 из 250 · Ваши первые модели машинного обучения
Ваши первые модели машинного обучения

Ваша первая модель: Дерево решений

Пора реально что-то обучить. классификатор на основе дерева решений изучает блок-схему из вопросов да/нет о признаках, и каждый лист блок-схемы это предсказанная метка. Это отличная первая модель, потому что ее легко представить: она просто продолжает задавать вопросы типа "больше ли признак 1 чем 5?" до тех пор, пока не сможет принять решение.

Код следует ритуалу fit/predict из первого урока:

from sklearn.tree import DecisionTreeClassifier

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

Мы передаем random_state=0 для воспроизводимости. Поскольку при каждом разделении scikit-learn случайным образом перемешивает рассматриваемые признаки, два запуска без заданного зерна могут выбрать разные (одинаково хорошие) разделения и построить немного разные деревья. Фиксация зерна закрепляет этот выбор, чтобы вы получали одно и то же дерево каждый раз.

Вы обучитесь на крошечном, чистом наборе данных. В каждой строке два признака. Метка 0 когда оба признака маленькие и 1 когда оба большие, с четким разрывом между ними:

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)

Поскольку две группы идеально разделены, дерево может выучить правило, которое верно определяет каждую строку обучения. С грязными реальными данными это произойдет не всегда, и следующие уроки полностью посвящены тому, что делать в таких случаях. Но это дает чистый первый запуск.

Одна заметка о мире ИИ в целом: тяжелые инструменты вроде TensorFlow и PyTorch не могут работать в этом Python в браузере, поэтому этот курс остается на scikit-learn, чего вполне достаточно для изучения реальных идей.

Твоя очередь

Даны признаки X (8 строк, 2 столбца) и метки y. Создайте DecisionTreeClassifier(random_state=0) под названием clf, обучите его на X и y, затем сделайте предсказание на X и сохраните результат в preds. Также сделайте предсказание для одной новой точки [[9, 9]] и сохраните только одну эту метку (int) в new_pred.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.