2

scikit-learn: Decision Trees

Unsolved
Supervised

Difficulty: 2 | Problem written by zeyad_omar

Educational Resource: https://towardsdatascience.com/a-beginners-guide-to-scikit-learn-14b7e51d71a4


Problem reported in interviews at

Amazon
Apple
Facebook
Google
Netflix

A decision tree classifier is a supervised learning technique that is used to classifiy the data based on some pivot points.

For example, if you can not decide whether to go outside or not so you ask your self "Is it rainy outside?", "Do i like playing football?", and "Will I enjoy my time with those I am going to play with?"

Based on the answers to the questions at each node of the decision tree, the classifier makes a decision (classification).

In this probelm you are required to use sklearn to implement the decision tree classifier.

Sample Input:
<class 'list'>
X_train: [[0, 0], [1, 1]]
y_train: [0, 1]
X_test: [[2, 2]]

Expected Output:
<class 'numpy.ndarray'>
[1]

Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.

Et distinctio repudiandae nihil sequi earum sed ducimus? Temporibus minus illo ex repellendus qui commodi, quasi sunt veritatis veniam mollitia sit animi fugiat necessitatibus eaque, eius praesentium cupiditate a minima laborum corrupti deserunt facere eligendi neque cum, voluptas molestias ullam alias voluptatum, laborum impedit debitis modi sequi. Saepe dolores fugit, repellat autem quae, exercitationem mollitia recusandae sit officiis, totam ea similique tempore aliquid sapiente quisquam neque distinctio sunt quos, corrupti voluptatum numquam inventore eos earum dolor dolore accusantium suscipit a consequatur? Possimus voluptas voluptatum accusantium architecto modi consectetur tempore iure distinctio itaque cumque, eius iste ab quos esse soluta dicta consequuntur eveniet consequatur quas quia, harum eligendi labore doloribus modi porro libero quibusdam nam consectetur, perferendis mollitia illum officia accusamus nemo aliquid cum, provident assumenda a dicta laboriosam ullam unde.

Quaerat qui quidem ad nesciunt corrupti vel nobis fugiat, quia vero fugit quisquam pariatur eveniet, dicta enim perferendis? Exercitationem nemo quae et, quis quaerat nostrum obcaecati amet voluptate praesentium at neque doloremque beatae, porro atque voluptate laborum saepe? Soluta cupiditate dolor fuga suscipit blanditiis eveniet error aliquam omnis, reiciendis error nulla alias recusandae deserunt dolor, mollitia harum totam cumque maxime atque exercitationem consequuntur quasi veniam iure, rem ullam quos provident cupiditate sit accusamus maxime quis.

Quae vero eum dolorem excepturi reprehenderit error voluptas voluptates dolore, expedita inventore perferendis deserunt atque culpa porro quos doloribus, totam sint quia repudiandae fugiat facere aspernatur labore fuga obcaecati, doloremque molestiae debitis dolorum id doloribus neque repudiandae atque? Sit sequi quos amet repellendus molestias maxime, magni sunt earum obcaecati quis enim, adipisci possimus beatae debitis eius neque consectetur vel esse culpa odit a. Ducimus facilis reprehenderit odit quisquam explicabo, eum delectus odit cupiditate, natus ullam repudiandae necessitatibus, dolorem quos ratione cum porro fugiat suscipit. Ducimus deserunt magnam deleniti possimus sit dolores obcaecati esse vitae est?

This is a premium feature.
To access this and other such features, click on upgrade below.

Ready.

Input Test Case

Please enter only one test case at a time
numpy has been already imported as np (import numpy as np)