Arbres de décision

Machine Learning pour la finance en Python

Nathan George

Data Science Professor

Arbres de décision

arbre de décision simple

Arbres de décision

arbre de décision avec cibles

Scissions d'arbre de décision

scission catégorielle d'un arbre de décision

Scissions d'arbre de décision

scission numérique d'un arbre de décision

Mauvais arbre

mauvaise scission en régression

Bon arbre

bonne scission en régression

Régression par arbre de décision

prédictions d'arbre de décision

Arbres de régression

from sklearn.tree import DecisionTreeRegressor

decision_tree = DecisionTreeRegressor(max_depth=5)

decision_tree.fit(train_features, train_targets)

Hyperparamètres des arbres de décision

profondeur maximale des arbres

Profondeur max : 3

arbre avec profondeur max de 3

Évaluer le modèle

print(decision_tree.score(train_features, train_targets))
print(decision_tree.score(test_features, test_targets))

0.6662215501032416
-0.08917300191734268

train_predictions = decision_tree.predict(train_features)
test_predictions = decision_tree.predict(test_features)
plt.scatter(train_predictions, train_targets, label='train')
plt.scatter(test_predictions, test_targets, label='test')
plt.legend()
plt.show()

prédictions vs réel

Faites pousser des arbres !

Machine Learning pour la finance en Python