Karar ağaçları sınıflandırma ve regresyon görevleri için kullanılan popüler bir makine öğrenme yöntemidir. Hem sayısal hem de kategorik verileri yorumlayabilmeleri kolaydır. Python'da, scikit- learning kütüphanesi karar ağaçlarının uygulanması için basit bir yol sunar.

Scikit-learn ile Başlanmak

Bir karar ağacı uygulamadan önce, scikit- learning'in yüklü olmasını sağlayın.Boyu kullanarak yükleyebilirsiniz:

[0]

Gerekli Kütüphaneleri İthalat

Gerekli kütüphaneleri ithal ederek başlayın:

(Allah’a) yemin ederim.

[2]

[FONTNT=FONT][/FONT][/FONT][/FONT][/FONT][/FONT][/FONT][/FONT)

(Resulüm)

Yükleniyor ve Data Hazırlanıyor

Bu örnekte, Iris veri setini, makine öğreniminde klasik kullanacağız:

(Allah’a) yemin ederim.

(Allah’a) yemin ederim.

[FONT=FONT][/FONT=)

Sonraki, verileri eğitim ve test setlerine ayır:

[FONT=FONT][/FONT][/FONT][/FONT][/FONT][/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT/FONT)

Karar Ağacı Eğitimi

Sınıflandırıcının bir örneği oluşturun ve eğitim verilere uygun olun:

(Allah’a) yemin ederim.

[FONT=)

Modelin Analizi

Test setinde tahminler yapın ve doğruluk değerlendirme:

(Allah’a) yemin ederim.

[FONT=FONT][/FONT=FONT=)

Doğruyu yazdırın:

(Allah’a) yemin ederim.

Karar Ağacının Görselleştirilmesi

Karar ağacının görselleştirilmesi için, ihracat grafviz işlevini kullanın:

Gerekirse grafikviz yükleyin:

(Allah’a) yemin ederim.

Sonra, görselleştirmeyi üretir ve gösterir:

[Kırklar)

[Üye: 16)

[Kırklık: Âdem-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i Zülcelâl-i

[Üye: 18)

Karar kurallarını görmek için çevrenizdeki görselleştirmeyi açın.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Python'da scikit-öğrenme ile karar ağaçları uygulamak basit ve etkilidir. Bu çok yönlü algoritmayı anlamak için farklı parametreler ve veri setleri ile ilgili bilgi edinmek için faydalıdır.