HW 18

[alibibio]

No description provided.

[nvaulin]

Привет!

Хорошая работа. Не совсем понял зачем ты добавила картинки из описания дз в репозиторий. а еще я не нашел тесты.

Баллы: 25/25 (RF) + 0/10 (Тесты) + 9/15 (Репозиторий и качество кода; не вижу примеров в ноутбуке помимо RF) = 34*0.5 (сдано после дедлайна) = 17

[nvaulin]

Супер. Только я бы еще по смыслу добавил _ в названии метода чтобы подчеркнуть что это не часть публичного интерфейса, а еще переменная i не очень хорошее имя. Это же не просто счетчик. Можно, нарпимер, tree_id.

Suggested change

	def fit_one_tree(self, args):
	X, y, i = args
	n_features = X.shape[1]
	np.random.seed(self.random_state + i)
	if self.max_features is None:
	self.max_features = n_features
	feat_ids = np.random.choice(n_features, self.max_features, replace=False)
	bootstrap_indices = np.random.choice(np.arange(X.shape[0]), size=X.shape[0], replace=True)
	X_bootstrap = X[bootstrap_indices][:, feat_ids]
	y_bootstrap = y[bootstrap_indices]
	tree = DecisionTreeClassifier(max_depth=self.max_depth, random_state=self.random_state)
	tree.fit(X_bootstrap, y_bootstrap)
	return tree, feat_ids
	def _fit_one_tree(self, args):
	X, y, tree_id = args
	n_features = X.shape[1]
	np.random.seed(self.random_state + tree_id)
	if self.max_features is None:
	self.max_features = n_features
	feat_ids = np.random.choice(n_features, self.max_features, replace=False)
	bootstrap_indices = np.random.choice(np.arange(X.shape[0]), size=X.shape[0], replace=True)
	X_bootstrap = X[bootstrap_indices][:, feat_ids]
	y_bootstrap = y[bootstrap_indices]
	tree = DecisionTreeClassifier(max_depth=self.max_depth, random_state=self.random_state)
	tree.fit(X_bootstrap, y_bootstrap)
	return tree, feat_ids

[nvaulin]

🤔🤔

[nvaulin]

Все супер, только https://stackoverflow.com/questions/62885911/pip-freeze-creates-some-weird-path-instead-of-the-package-version