Qarorlar daraxti va uni qurish algoritmlari


Qarorlar daraxti tasniflagichini optimallashtirish



Download 1,44 Mb.
bet10/11
Sana27.01.2023
Hajmi1,44 Mb.
#904031
1   2   3   4   5   6   7   8   9   10   11
Bog'liq
Qaror daraxti algoritmi

Qarorlar daraxti tasniflagichini optimallashtirish


mezon : ixtiyoriy (standart = "gini") yoki Atribut tanlash o'lchovini tanlang: Bu parametr turli xil atributlarni tanlash o'lchovidan foydalanishga imkon beradi. Qo'llab-quvvatlanadigan mezonlar - Jini indeksi uchun "gini" va ma'lumot olish uchun "entropiya".
splitter : string, ixtiyoriy (standart = "eng yaxshi") yoki Split Strategy: Bu parametr bo'linish strategiyasini tanlash imkonini beradi. Qo'llab-quvvatlanadigan strategiyalar eng yaxshi bo'linishni tanlash uchun "eng yaxshi" va eng yaxshi tasodifiy bo'linishni tanlash uchun "tasodifiy".
max_depth : int yoki Yo'q, ixtiyoriy (standart = Yo'q) yoki Daraxtning maksimal chuqurligi: Daraxtning maksimal chuqurligi. Agar Yo'q bo'lsa, tugunlar barcha barglarda min_samples_split namunalaridan kamroq bo'lguncha kengaytiriladi. Maksimal chuqurlikning yuqori qiymati haddan tashqari moslashishga olib keladi va pastroq qiymat kam moslashishga olib keladi (Manba).
Scikit-learn-da qaror daraxti tasniflagichini optimallashtirish faqat oldindan kesish orqali amalga oshiriladi. Daraxtning maksimal chuqurligi oldindan kesish uchun nazorat o'zgaruvchisi sifatida ishlatilishi mumkin.

# Qarorlar daraxti klassifikatori ob'ekt


tasniflagichini yarating = DecisionTreeClassifier ( mezon = "entropiya" , max_depth = 3 )# Train Decision Tree klassifikatori =
klassifikator . fit ( X_train , y_train )# Test ma'lumotlar to'plami uchun javobni taxmin qiling
y_pred = tasniflagich . bashorat qilish ( X_test )# Modelning aniqligi , qanchalik tez - tez tasniflagich to'g'ri ? chop etish ( "Aniqlik:" , ko'rsatkichlar . accuracy_score ( y_test , y_pred ))
Xo'sh, tasniflash darajasi 94% gacha ko'tarildi, bu avvalgi modelga qaraganda yaxshiroq aniqlikdir.
Keling, optimallashtirishdan so'ng kesilgan qaror daraxtini yana bir bor tasavvur qilaylik.
dot_data = StringIO ()
export_graphviz ( klassifikator , out_file = nuqta_ma'lumotlar ,
to'ldirilgan = To'g'ri , yaxlitlangan = To'g'ri ,
maxsus_belgilar = To'g'ri , xususiyat_nomlari = xususiyat_ko'rsatkichlari , sinf_nomlari =[ '0' , '1' ])
grafik = pydotplus . graph_from_dot_data ( dot_data . getvalue ()) Rasm
( grafik . create_png ())

Azizillodan keyin qaror daraxti
Ushbu kesilgan model oldingi qaror daraxti modeli uchastkasiga qaraganda kamroq murakkab, tushuntirilishi mumkin va tushunish oson.

Download 1,44 Mb.

Do'stlaringiz bilan baham:
1   2   3   4   5   6   7   8   9   10   11




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish