Karar Ağaçları

Python ile Finans için Machine Learning

Nathan George

Data Science Professor

Karar ağaçları

temel karar ağacı

Karar ağaçları

hedeflerle karar ağacı

Karar ağacı bölünmeleri

kategorik karar ağacı bölünmesi

Karar ağacı bölünmeleri

sayısal karar ağacı bölünmesi

Kötü ağaç

kötü regresyon bölünmesi

İyi ağaç

iyi regresyon bölünmesi

Karar ağacı regresyonu

karar ağacı tahminleri

Regresyon ağaçları

from sklearn.tree import DecisionTreeRegressor

decision_tree = DecisionTreeRegressor(max_depth=5)

decision_tree.fit(train_features, train_targets)

Karar ağacı hiperparametreleri

ağaçların maksimum derinliği

Maksimum derinlik: 3

maksimum derinliği 3 olan karar ağacı

Modeli değerlendir

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()

tahminler vs gerçek değerler

Biraz ağaç büyüt!

Python ile Finans için Machine Learning