criterion(誤差の評価指標)（00:02:38 - 00:03:40）
決定木のパラメタを理解して過学習を抑えよう！

前回：https://youtu.be/E5WOgzoEs1M
次回：https://youtu.be/ewvjQMj8nA8

過学習がなぜよくないのかについては『バイアスとバリアンス』 ( https://youtu.be/xAzvBQd0A7U )で説明してます。

■pythonコード：https://k-dm.work/ja/basic/tree/parameter/
■木構造の再生リスト https://www.youtube.com/playlist?list=PLq7HV4kcWdgNzWFr__fPFV5BAO4E-DQGA
-----------------------------
★目次
00:00 タイトル
00:41 max-depth(最大深さ)
01:19 min-sample-split
01:52 max-leaf-node(葉の数の最大枚数)
02:38 criterion(誤差の評価指標)
03:40 ccp-alpha(コスト・複雑さによる枝刈り)
04:03 回帰木のpruning
04:46 Cost-complexity-pruning
-----------------------------
★SNS
twitter： https://twitter.com/intent/follow?screen_name=_K_DM
ブログ： https://kdm.hatenablog.jp/
コード置き場： https://k-dm.work/ja/
-----------------------------
★BGM
キューブスカイ https://dova-s.jp/bgm/play1365.html
-----------------------------
★このチャンネルについて
週に一回ペースで機械学習・データサイエンスに関する情報を発信します！よろしければチャンネル登録お願いします。大変励みになります。

#機械学習 #データ分析 #Python

#機械学習 #AI #データ分析 #データサイエンス #データサイエンティスト #Python #scikit-learn #Kaggle #データマイニング #G検定 #E検定 #人工知能 #わかりやすく #初学者 #python #解説