Для того, чтобы получить максимально высокое качество предсказания, нужно подобрать параметры, которые обеспечивают наилучший результат. Предлагается научить программу подбирать разные значения одного параметра — максимальной глубины, max_depth. Алгоритм должен:
- перебрать значения от 1 до 5,
- сохранить модель с лучшим значением метрики accuracy на тренировочном датасете.
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
df = pd.read_csv('/datasets/train_data.csv')
df.loc[df['last_price'] > 5650000, 'price_class'] = 1
df.loc[df['last_price'] <= 5650000, 'price_class'] = 0
features = df.drop(['last_price', 'price_class'], axis=1)
target = df['price_class']
best_model = None
best_result = 0
for depth in range(1, 6):
model = DecisionTreeClassifier(random_state=12345, max_depth=depth)
model.fit(features, target)
predictions = model.predict(features)
result = accuracy_score(target, predictions)
if result > best_result:
best_model = model
best_result = result
print("Accuracy лучшей модели:", best_result)
