Не глядя на клавиатуру напишем алгоритм Decision Tree с нуля на языке Python

Применяя ООП напишем дерево классификации и регрессии. Алгоритм построения дерева - жадный, с полным перебором признаков. Для дерева классификации информативность выбора признаков оценим вычисляя критерий джини и энтропийный критерий. Качество дерева оценим по доле верных ответов. Для дерева регрессии будем оценивать MSE и MAE. Качество оценим по коэффициенту детерминации. 0:00 Краткое содержание 1:07 Начало. Генерация наблюдений. 3:16 Пишем вспомогательный класс Node 5:48 Выдыхаем и начинаем писать черновик класса Decision Tree 8:17 Заполняем черновик класса 28:54 Закончили. Проверяем работу алгоритма для классификации 31:01 Побыстрому переделываем алгоритм для регрессии 35:27 Переобучились. Накидаем больше наблюдений. 36:44 Ну вот, деревья не используются. Что тогда нужно делать? Этот и другой код по ML на GitHub https://github.com/tka400