График на изображении, которое вы разместили, скорее всего, был создан с помощью модуля matplotlib.pyplot
. Вы, вероятно, можете построить похожий график, выполнив что-то вроде этого, предположив, что вы импортировали другие необходимые зависимости:
import numpy as np
import matplotlib.pyplot as plt
max_depth_list = [1,2,3,4]
train_errors = [] # Log training errors for each model
test_errors = [] # Log testing errors for each model
for x in max_depth_list:
dtc = DecisionTreeClassifier(max_depth=x)
dtc.fit(train_x,train_y)
train_z = dtc.predict(train_x)
test_z = dtc.predict(test_x)
train_errors.append(accuracy_score(train_x, train_z))
test_errors.append(accuracy_score(test_y, test_z))
x = np.arange(len(max_depth_list)) + 1 # Create domain for plot
plt.plot(x, train_errors, label='Training Error') # Plot training error over domain
plt.plot(x, test_errors, label='Testing Error') # Plot testing error over domain
plt.xlabel('Maximum Depth') # Label x-axis
plt.ylabel('Total Error') # Label y-axis
plt.legend() # Show plot labels as legend
plt.plot() # Show graph
Я также новичок в этом сообществе, поэтому я не в состоянии дать совет другим пользователям. Тем не менее, это, вероятно, хорошая идея отформатировать ваш исходный код для лучшей читаемости и представления. Просто один на один.
Надеюсь, это поможет. Дайте мне знать, если что-то неясно.