Drzewa decyzyjne

Uczenie maszynowe w finansach z Pythonem

Nathan George

Data Science Professor

Drzewa decyzyjne

podstawowe drzewo decyzyjne

Drzewa decyzyjne

drzewo decyzyjne z wartościami docelowymi

Podziały drzewa decyzyjnego

kategoryczny podział drzewa decyzyjnego

Podziały drzewa decyzyjnego

numeryczny podział drzewa decyzyjnego

Złe drzewo

złe dopasowanie regresji

Dobre drzewo

dobre dopasowanie regresji

Regresja drzewem decyzyjnym

predykcje drzewa decyzyjnego

Drzewa regresyjne

from sklearn.tree import DecisionTreeRegressor

decision_tree = DecisionTreeRegressor(max_depth=5)

decision_tree.fit(train_features, train_targets)

Hiperparametry drzewa decyzyjnego

maksymalna głębokość drzewa

Maksymalna głębokość 3

drzewo decyzyjne o głębokości 3

Ocena modelu

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()

predykcje vs wartości rzeczywiste

Czas na drzewa!

Uczenie maszynowe w finansach z Pythonem