Árboles de decisión en Python

Un modelo que puedes leer: profundidad, divisiones y las reglas que aprendió.

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_text

X, y = load_iris(return_X_y=True)
tree = DecisionTreeClassifier(max_depth=2, random_state=0).fit(X, y)

print(tree.get_depth(), tree.get_n_leaves())
print(export_text(tree, feature_names=load_iris().feature_names))

Cómo funciona

1. max_depth es la guarda principal contra memorizar el entrenamiento.
2. export_text imprime el árbol como condiciones anidadas.
3. get_depth y get_n_leaves describen lo que construyó.

Palabras clave y builtins usados aquí

• print

El intento, en números

Líneas

8

Caracteres a escribir

315

Tokens

72

Ritmo de tres estrellas

110 tpm

Al ritmo de tres estrellas de 110 tokens por minuto, este intento toma unos 39 segundos.

Escribe este fragmento

Paso 4 de 4 en Modelos; paso 15 de 25 en Machine learning con scikit-learn.

← Anterior Siguiente →