ml

Об этом предложении

y_test = [2, 4, 7, 10] plt.plot( [y_test.min(), y_test.max()], [y_test.min(), y_test.max()], color="red" ) max_depth=60 (depth : 트리의 깊이) 시작 ← depth 0 / \ 조건 조건 ← depth 1 / \ / \ 조건 조건 조건 조건 ← depth 2 / \ 결과 결과 ← depth 3 min_samples_leaf=40 () Present_Price <= 10? / \ Yes No / \ Vehicle_Age <= 5? [Leaf] / \ [Leaf] [Leaf] [Leaf]에 도착하면 더 이상 질문하지 않고 가격을 예측 각 Leaf에는 최소 40개의 학습 데이터가 들어 있어야 함 전체 232개 / \ 120개 112개 / \ / \ 50개 70개 52개 60개 ↓ ↓ ↓ ↓ Leaf Leaf Leaf Leaf 머신러닝 라이브러리 from sklearn.tree import DecisionTreeRegressor : 결정 트리 모델 from sklearn.linear_model import LinearRegression : 선형회귀 모델 from sklearn.metrics import root_mean_squared_error : RMSE 계산 from sklearn.tree import plot_tree : 결정 트리 그림으로 표시

Детали предложения

Провайдер

velog

Источник

velog-rss

Балл

54.4

Уверенность

49%