Cây quyết định và tập hợp cây quyết định#

Câu 1 - Decision Tree#

Huấn luyện mô hình cây quyết định phân loại trên dữ liệu Iris.

# Câu trả lời ở đây

Câu 2 - Decision Tree#

Vẽ cây quyết định cho bài toán phân loại Iris.

# Câu trả lời ở đây

Câu 3 - Decision Tree#

Tính độ chính xác của mô hình cây trên tập kiểm tra.

# Câu trả lời ở đây

Câu 4 - Decision Tree#

Hiển thị ma trận nhầm lẫn và classification report trên tập kiểm tra.

# Câu trả lời ở đây

Câu 5 - Decision Tree#

Tính feature importance của mô hình cây và biểu diễn bằng barplot.

# Câu trả lời ở đây

Câu 6 - Decision Tree#

Tạo mô hình cây phân loại với độ sâu tối đa = 3 và so sánh kết quả.

# Câu trả lời ở đây

Câu 7 - Decision Tree#

So sánh hiệu suất mô hình với và không giới hạn độ sâu.

# Câu trả lời ở đây

Câu 8 - Decision Tree#

Huấn luyện cây hồi quy để dự đoán giá nhà (Boston Housing).

# Câu trả lời ở đây

Câu 9 - Decision Tree#

Tính RMSE và R-squared của mô hình cây hồi quy.

# Câu trả lời ở đây

Câu 10 - Decision Tree#

Vẽ đồ thị residual giữa giá nhà thực và giá dự đoán từ mô hình cây.

# Câu trả lời ở đây

Câu 11 - Random Forest#

Huấn luyện mô hình Random Forest để phân loại dữ liệu Iris.

# Câu trả lời ở đây

Câu 12 - Random Forest#

Tính độ chính xác và biểu diễn feature importance của Random Forest.

# Câu trả lời ở đây

Câu 13 - Random Forest#

So sánh hiệu suất giữa cây quyết định và Random Forest trên dữ liệu Iris.

# Câu trả lời ở đây

Câu 14 - Random Forest#

Huấn luyện mô hình Random Forest hồi quy trên dữ liệu Boston Housing.

# Câu trả lời ở đây

Câu 15 - Random Forest#

Tính MAE, RMSE và R-squared của mô hình hồi quy rừng ngẫu nhiên.

# Câu trả lời ở đây

Câu 16 - Random Forest#

Sử dụng RandomizedSearchCV để chọn tham số tối ưu cho Random Forest.

# Câu trả lời ở đây

Câu 17 - Random Forest#

Huấn luyện Random Forest phân loại trên dữ liệu ung thư Wisconsin.

# Câu trả lời ở đây

Câu 18 - Random Forest#

Hiển thị classification report cho mô hình Random Forest trên tập kiểm tra.

# Câu trả lời ở đây

Câu 19 - Random Forest#

So sánh feature importance giữa mô hình cây và rừng.

# Câu trả lời ở đây

Câu 20 - Random Forest#

Tạo biểu đồ line giữa số lượng cây (n_estimators) và độ chính xác mô hình.

# Câu trả lời ở đây

Câu 21 - Gradient Boosting#

Huấn luyện mô hình Gradient Boosting phân loại trên dữ liệu Iris.

# Câu trả lời ở đây

Câu 22 - Gradient Boosting#

Huấn luyện mô hình Gradient Boosting hồi quy trên Boston Housing.

# Câu trả lời ở đây

Câu 23 - Gradient Boosting#

Tính độ chính xác và so sánh với Random Forest trên Iris.

# Câu trả lời ở đây

Câu 24 - Gradient Boosting#

Tính R-squared và RMSE của mô hình Gradient Boosting trên Boston.

# Câu trả lời ở đây

Câu 25 - Gradient Boosting#

Sử dụng GridSearchCV để tối ưu tham số GradientBoostingClassifier.

# Câu trả lời ở đây

Câu 26 - Gradient Boosting#

So sánh hiệu suất Gradient Boosting và Random Forest trên dữ liệu ung thư.

# Câu trả lời ở đây

Câu 27 - Gradient Boosting#

Tạo biểu đồ bar thể hiện feature importance của Gradient Boosting trên Boston.

# Câu trả lời ở đây

Câu 28 - Gradient Boosting#

Tạo pipeline gồm chuẩn hóa + Gradient Boosting và đánh giá cross-validation.

# Câu trả lời ở đây

Câu 29 - Gradient Boosting#

So sánh thời gian huấn luyện giữa Random Forest và Gradient Boosting trên cùng tập dữ liệu.

# Câu trả lời ở đây

Câu 30 - Gradient Boosting#

Huấn luyện mô hình XGBoost và so sánh với GradientBoostingClassifier.

# Câu trả lời ở đây