Как дерево должно обучиться на этих входных данных?

Question

[geelz]

Дистанционный экзамен по Машинному обучению, надо написать алгоритм решающего дерева для следующего набора данных:

x = []
     for i in range(500):
     x.append([round(-2+50*random()), round(-2+50*random())])
     x = np.array(x)
     y = round(random()+ x[1, :] + x[2, :] )

Как используя эти данные, мне обучать дерево? Возможно ли, что в Y чего-то не хватает?

Comments

[dmshar]

Во-первых, введите тег "код".
Во-вторых - проставьте отступы.
В-третьих - исправьте ошибку в последнем операторе.
В-четвертых - что такое "Y" которого нет в коде?
В-пятых, вам что надо самому алгоритм обучения написать, или использовать готовый?

[geelz]

dmshar, dmshar, Мы сидим с другом, не можем понять, как нам нужно классифицировать этот набор данных, мы имеем множество из 500 рандомных точек на плоскости в виде X и одну точку в виде Y. Мы хотим знать, как использовать эти данные, чтобы построить алгоритм, по которому будет строиться дерево. Нам запретили использовать sklearn.

[Griboks]

geelz, тогда используйте другую библиотеку.

[dmshar]

Сел писать вам подробное разъяснение. Решил запустить ваш код.
Пожалуйста, имейте уважение к тем, к кому вы обращаетесь за помощью. Второй раз постить код с ошибками? Почему все должны тратить свое время на исправление детских ошибок в вашем коде???

[geelz]

dmshar, Дело в том, что это оригинальный исходник кода, который скинул мне преподаватель. Я сидел, ночь разбирался, в итоге сам пришёл к решению.

[dmshar]

geelz, Ну, значит, дальнейшая помощь вам не требуется. Отлично!

Answer 1

[geelz]

В коде были ошибки, я переписал.

X_train = []
for i in range(5000):
X_train.append([round(-2 + 50 * rand()), round(-2 + 50 * rand())])
X_train = np.array(X_train)
Y_train = round(rand()) + X_train[:, 0] + X_train[:, 1]

X_test = []
for i in range(500):
X_test.append([round(-2 + 50 * rand()), round(-2 + 50 * rand())])
X_test = np.array(X_test)
Y_test = round(rand()) + X_test[:, 0] + X_test[:, 1]

Получается у меня 500 рандомных значений и их нужно будет классифицировать по рандомному кол-ву классов. Без склёрна очень сложно было, но я сделал код и он работает, вопрос закрыт.