Practical: Decision Trees

Practical: Decision Trees

Administrative information

Title Decision trees
Duration 2 x 45 mins
Module A
Lesson Type Practical
Focus Practical - AI Modelling
Topic Data analysis

 

Keywords

Dataset generation,Fitting,Model complexity,

 

Learning Goals

  • learn basics of decision trees

 

Expected Preparation

Learning Events to be Completed Before

Obligatory for Students

  • Lecture: Data Preparation and Exploration
  • Lab session: Data Preparation and Exploration

Optional for Students

None.

References and background for students:

Recommended for Teachers

None.

Lesson Materials


The materials of this learning event are available under CC BY-NC-SA 4.0.

 

Instructions for Teachers

This learning event consist of laboratory tasks that shall be solved by the students with the help of the leading instructor.

You can base this class around the notebooks.

Outline/time schedule

 
Duration (min) Description Concepts Activity Material
5 Brief of the tasks to be conducted Introduction Lecture  
5 Generating a two-dimensional dataset Gaussian noise, np.random.randn() Coding Jupyter notebook
10 Fitting and evaluating a Decision Tree scikit-learn Coding
15 Investigating the effect of the model complexity parameter model complexity, support vectors, margin, plotting Documentation
5 Fitting the Model Model Fitting Coding
15 Evaluate and Investigatie the effect of the parameter Parameters Evaluation Documentation
20 Implementing a custom precomputed Model matrix operations in numpy Coding
45 Fitting and evaluating the model on real data data preprocessing (scaling), Accuracy, Confusion Matrix, Cross Validation Documentation

 

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

 

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

HCAIM Consortium

Colofon

Het arrangement Practical: Decision Trees is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

Auteur
HCAIM Consortium
Laatst gewijzigd
2024-05-15 11:06:27
Licentie

Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

  • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
  • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
  • voor alle doeleinden, inclusief commerciële doeleinden.

Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

Aanvullende informatie over dit lesmateriaal

Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

Toelichting
.
Eindgebruiker
leerling/student
Moeilijkheidsgraad
gemiddeld
Studiebelasting
4 uur en 0 minuten

Gebruikte Wikiwijs Arrangementen

HCAIM Consortium. (z.d.).

Acknowledgement

https://maken.wikiwijs.nl/198386/Acknowledgement

HCAIM Consortium. (z.d.).

Lecture: Duty Ethics

https://maken.wikiwijs.nl/198966/Lecture__Duty_Ethics

close
Colofon
thumb  
gemaakt met Wikiwijs van kennisnet-logo
Practical: Decision Trees
open