7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
30 lines
1,017 B
ObjectPascal
30 lines
1,017 B
ObjectPascal
// В этом примере Surface показывает,
|
||
// как модель делит плоскость на области классов.
|
||
|
||
uses MLABC, PlotML;
|
||
|
||
begin
|
||
var (X, y) := Datasets.MakeMoons(
|
||
n := 300,
|
||
noise := 0.18,
|
||
seed := 42
|
||
);
|
||
|
||
var model := new DecisionTreeClassifier(maxDepth := 5, minSamplesSplit := 6, minSamplesLeaf := 3, seed := 42);
|
||
model.Fit(X, y);
|
||
var acc := ClassificationMetrics.Accuracy(y, model.Predict(X));
|
||
|
||
var x1 := X.Col(0);
|
||
var x2 := X.Col(1);
|
||
var labels := LabelsToInts(y);
|
||
|
||
Println('Граница решений для DecisionTreeClassifier');
|
||
Println;
|
||
Println('Цветной фон показывает области, которые модель относит к разным классам.');
|
||
Println($'Accuracy = {acc:F3}');
|
||
|
||
Plot.Surface(x1, x2, 80, 80, G -> model.PredictLabels(G), Palettes.Pastel);
|
||
Plot.Points(x1, x2, labels, size := 6);
|
||
Plot.Title := $'DecisionTreeClassifier: decision boundary (Acc = {acc:F3})';
|
||
end.
|