Arbres de décision

Machine Learning pour la finance en Python

Nathan George

Data Science Professor

Arbres de décision

arbre de décision de base

Machine Learning pour la finance en Python

Arbres de décision

arbre de décision avec cibles

Machine Learning pour la finance en Python

Découpages d'un arbre de décision

découpage catégoriel d'un arbre de décision

Machine Learning pour la finance en Python

Découpages d'un arbre de décision

découpage numérique d'un arbre de décision

Machine Learning pour la finance en Python

Mauvais arbre

mauvais découpage en régression

Machine Learning pour la finance en Python

Bon arbre

bon découpage en régression

Machine Learning pour la finance en Python

Régression par arbre de décision

prédictions d'un arbre de décision

Machine Learning pour la finance en Python

Arbres de régression

from sklearn.tree import DecisionTreeRegressor

decision_tree = DecisionTreeRegressor(max_depth=5)

decision_tree.fit(train_features, train_targets)
Machine Learning pour la finance en Python

Hyperparamètres des arbres de décision

profondeur maximale des arbres

Machine Learning pour la finance en Python

Profondeur maximale : 3

arbre de décision de profondeur maximale 3

Machine Learning pour la finance en Python

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()
Machine Learning pour la finance en Python

prédictions vs valeurs réelles

Machine Learning pour la finance en Python

Faites pousser des arbres !

Machine Learning pour la finance en Python

Preparing Video For Download...