Derinlik

Ağacın derinliği (max_depth) aşırı öğrenmeyi önler.

max_depth

Sınırsız bir ağaç, her yaprakta tek bir sınıf kalana kadar bölmeyi sürdürür ve eğitim verisini ezberler. max_depth soru zincirinin en fazla kaç adım olacağını belirler:

for d in [1, 2, 3, None]:
    m = DecisionTreeClassifier(max_depth=d, random_state=0).fit(X_train, y_train)
    print(d, m.score(X_train, y_train), m.score(X_test, y_test))

Sığ ağaçlar daha genel, derin ağaçlar daha ayrıntılı kurallar öğrenir.

Diğer sınırlar

Derinliğin yanında başka durdurma kuralları da vardır:

DecisionTreeClassifier(
    max_depth=4,
    min_samples_split=10,   # bölmek için en az 10 örnek
    min_samples_leaf=5,     # her yaprakta en az 5 örnek
    max_leaf_nodes=12,      # en fazla 12 yaprak
)

min_samples_leaf, tek bir aykırı örnek için ayrı bir yaprak açılmasını engellediği için özellikle etkilidir.

Uygulama Derinliği dene

Iris üzerinde max_depth 1, 2 ve 3 için DecisionTreeClassifier(random_state=0) eğit. Her satırda derinliği ve test doğruluğunu round(..., 3) ile yazdır.

Örnek çözümü göster

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

X, y = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0, stratify=y)

for d in [1, 2, 3]:
    m = DecisionTreeClassifier(max_depth=d, random_state=0).fit(X_train, y_train)
    print(d, round(m.score(X_test, y_test), 3))

Kendini test et

<code>max_depth=None</code> ne demektir?
- Derinlik sınırı yoktur
- Derinlik 0'dır
- Ağaç kurulmaz
- Derinlik 1'dir
Cevabı göster

Derinlik sınırı yoktur — Varsayılan None'dır; ağaç yapraklar saf olana kadar büyür.

Ağacı en fazla 3 seviyeyle sınırla.

m = DecisionTreeClassifier(____=3)

Cevabı göster

m = DecisionTreeClassifier(max_depth=3)

Parametreleri eşleştir.

max_depth

En fazla derinlik
min_samples_split

Bölme için en az örnek
min_samples_leaf

Yaprakta en az örnek
max_leaf_nodes

En fazla yaprak

Sıradaki ders: Sınıflandırma

Deneyiminizi Geliştiriyoruz

Çerez Tercihleri

Kesinlikle Gerekli Çerezler

Analitik Çerezler