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