DecisionTreeClassifier và feature importance
Dùng cây phân loại và đọc feature importance để hiểu model non-linear.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: decision tree regression, classification metrics, max depth.
Nội dung đề bài
Mục tiêu kiến thức
Dùng cây phân loại và đọc feature importance để hiểu model non-linear.
Mô tả bài toán
Đây là bài số 363 trong tầng Phân loại và học không giám sát. Bài dùng thư viện sklearn.tree.DecisionTreeClassifier trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Fit DecisionTreeClassifier với max_depth và random_state=42, trả classes, predictions và feature_importances.
def tree_classifier_report(X, y, new_X, max_depth):Input
X/y classification, new_X và max_depth.
Output
Dictionary classes, predictions và feature_importances.
Ràng buộc
Không fit trên query; importance có một giá trị mỗi feature.
Ví dụ
Giải thích
Hai cụm feature thấp/cao được cây depth 1 tách thành class 0 và 1.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.