From 6ad5a5ec258215c000c329b28db358167221b4bf Mon Sep 17 00:00:00 2001 From: klara Date: Fri, 21 Jun 2024 17:24:25 +0200 Subject: [PATCH] update --- notebooks/decision_tree.ipynb | 11 +++++------ 1 file changed, 5 insertions(+), 6 deletions(-) diff --git a/notebooks/decision_tree.ipynb b/notebooks/decision_tree.ipynb index 71a61c1..3d12a73 100644 --- a/notebooks/decision_tree.ipynb +++ b/notebooks/decision_tree.ipynb @@ -144,24 +144,23 @@ } ], "source": [ - "# Schritt 1: Importiere die notwendigen Bibliotheken\n", + "\n", "from sklearn.tree import DecisionTreeClassifier\n", "from sklearn.metrics import accuracy_score\n", "\n", - "# Schritt 2: Erstelle das Decision Tree Modell\n", + "\n", "# Beispiel: Begrenzung der Tiefe des Baumes\n", "dt_classifier = DecisionTreeClassifier(max_depth=5)\n", "\n", - "# Schritt 3: Trainiere das Modell\n", + "# Schritt 3: Trainieren des Modells mit Trainingsdaten\n", "dt_classifier.fit(train_x, train_y)\n", "\n", - "# Schritt 4: Vorhersagen und Auswertung auf den Validierungsdaten\n", + "# Schritt 4: Bewertung des Modells mit Validierungsdaten\n", "valid_pred = dt_classifier.predict(valid_x)\n", "valid_accuracy = accuracy_score(valid_y, valid_pred)\n", "print(f'Validierungsgenauigkeit: {valid_accuracy}')\n", "\n", - "# Optional: Tuning des Modells basierend auf den Validierungsergebnissen\n", - "# Experimentiere mit verschiedenen Parametern und trainiere bei Bedarf neu\n", + "# Schritt 5: Hyperparameter-Optimierung\n", "\n", "# Schritt 6: Endgültige Bewertung mit Testdaten\n", "test_pred = dt_classifier.predict(test_x)\n",