Learning objective: Σε αυτήν την άσκηση θα μάθετε πώς να προβλέπετε την τιμή ενός σπιτιού στην Ames (Iowa, USA) βάσει ενός αριθμού χαρακτηριστικών: size, neighborhood, heating…
Workflow description: Σε αυτό το workflow χρησιμοποιείται ένα dataset που περιγράφει τις πωλήσεις μεμονωμένων residential properties στην Ames, Iowa από το 2006 έως το 2010. Μία από τις columns είναι το overall condition ranking, με τιμές μεταξύ 1 και 10.
Εκπαιδεύστε ένα μοντέλο Random Forest (Random Forest Learner) για να προβλέψετε το overall condition ενός σπιτιού (high/low), με τις εξής ρυθμίσεις:
Περιορίστε το tree depth σε 15
Περιορίστε το minimum node size σε 10
Ορίστε τον αριθμό των trees (δηλαδή των models) σε 100
Εξετάστε τον πίνακα εξόδου “Attribute Statistics” που παράγεται από τον learner node. Αναγράφει ποιες features επιλέχθηκαν για τα πρώτα 3 splits σε διαφορετικά tree models. Οι features που επιλέγονται πρώτες είναι πιθανόν informative στην classification. Ποια από τα features σε αυτό το dataset είναι πολύ informative; Δικαιολογήστε την απάντησή σας.
Χρησιμοποιήστε το εκπαιδευμένο μοντέλο για να προβλέψετε (Random Forest Predictor) το rank των houses στο test set, και αξιολογήστε την accuracy του decision tree model (Scorer JavaScript). Ποια είναι η accuracy του μοντέλου;
Εκπαιδεύστε ένα μοντέλο gradient boosted trees για να προβλέψετε το overall condition ενός σπιτιού (high/low), με τις εξής ρυθμίσεις:
Περιορίστε το tree depth σε 4
Ορίστε τον αριθμό των models σε 100
Χρησιμοποιήστε το εκπαιδευμένο μοντέλο για να προβλέψετε το rank των houses στο test set, και αξιολογήστε την accuracy του μοντέλου. Ποια είναι η accuracy του μοντέλου;
(Προαιρετικά) Χρησιμοποιήστε ένα parameter optimization loop για να βρείτε το optimum tree depth που μεγιστοποιεί την accuracy (χρησιμοποιήστε Scorer node, όχι Scorer JavaScript). Εξετάστε το tree depth από 1 έως 10, με βήμα 1. Ποιο tree depth παράγει το optimal αποτέλεσμα;