s29 tuning decision trees lab 源码

决策树中的超参数调整和修剪-实验室 介绍 在本实验中,您将使用泰坦尼克号数据集来查看树修剪和超参数调整对决策树分类器的预测性能的影响。 修剪通过删除树中没有提供太多预测能力来对实例进行分类的节点来减少决策树的大小。 在所有机器学习算法中,决策树最容易过拟合,而有效的修剪可以减少这种可能性。 目标 在本实验中,您将: 确定决策树模型的最佳超参数并评估模型性能 导入必要的库 首先,导入此实验所需的库。 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib . pyplot as plt from sklearn . model_selection import train_test_split from sklearn . tree import DecisionTreeClass