Beslutsträd

Maskininlärning för finans i Python

Nathan George

Data Science Professor

Beslutsträd

enkelt beslutsträd

Maskininlärning för finans i Python

Beslutsträd

beslutsträd med målvärden

Maskininlärning för finans i Python

Uppdelningar i beslutsträd

kategorisk uppdelning i beslutsträd

Maskininlärning för finans i Python

Uppdelningar i beslutsträd

numerisk uppdelning i beslutsträd

Maskininlärning för finans i Python

Dåligt träd

dålig regressionsuppdelning

Maskininlärning för finans i Python

Bra träd

bra regressionsuppdelning

Maskininlärning för finans i Python

Regression med beslutsträd

beslutsträdsprediktioner

Maskininlärning för finans i Python

Regressionsträd

from sklearn.tree import DecisionTreeRegressor

decision_tree = DecisionTreeRegressor(max_depth=5)

decision_tree.fit(train_features, train_targets)
Maskininlärning för finans i Python

Hyperparametrar för beslutsträd

maxdjup för träd

Maskininlärning för finans i Python

Maxdjup på 3

beslutsträd med maxdjup 3

Maskininlärning för finans i Python

Utvärdera modellen

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()
Maskininlärning för finans i Python

prediktioner jämfört med faktiska värden

Maskininlärning för finans i Python

Nu kör vi en övning!

Maskininlärning för finans i Python

Preparing Video For Download...