Dự đoán bằng DecisionTreeRegressor
Dùng một model cây thật và đọc feature_importances thay vì chỉ nhìn prediction.
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: tree overfitting, predict, feature importance.
Nội dung đề bài
Mục tiêu kiến thức
Dùng một model cây thật và đọc feature_importances thay vì chỉ nhìn prediction.
Mô tả bài toán
Đây là bài số 348 trong tầng Hồi quy bằng scikit-learn. Bài dùng thư viện sklearn.tree.DecisionTreeRegressor 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 DecisionTreeRegressor với random_state=42 và max_depth, trả predictions cho new_X cùng feature_importances.
def tree_regression_predict(X, y, new_X, max_depth):Input
X/y hồi quy, new_X và max_depth.
Output
Dictionary predictions và feature_importances dạng list.
Ràng buộc
Importance có một phần tử cho mỗi cột và tổng bằng 1 nếu cây có split.
Ví dụ
Giải thích
Nếu target chỉ đổi theo feature 0, importance của feature 0 là 1 còn feature thừa là 0.
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.