Модуль: Деревья решений. Читаем и разбираем JSON


4. Самый используемый признак

Найдите индекс признака, который чаще всего используется для разбиения во внутренних узлах дерева.
Если несколько признаков используются одинаково часто, выведите минимальный индекс.

Формат входных данных
JSON с деревом решений.

Формат выходных данных
Одно число — индекс самого используемого признака.
Примеры
№Входные данныеВыходные данные
1 {
"nodes": [
{
"id": 0,
"type": "decision",
"feature_index": 1,
"threshold": 0.4676,
"left_child": 1,
"right_child": 2
},
{
"id": 1,
"type": "decision",
"feature_index": 1,
"threshold": 0.6644,
"left_child": 3,
"right_child": 4
},
{
"id": 2,
"type": "decision",
"feature_index": 2,
"threshold": 0.4468,
"left_child": 5,
"right_child": 6
},
{
"id": 3,
"type": "leaf",
"class": 0
},
{
"id": 4,
"type": "leaf",
"class": 0
},
{
"id": 5,
"type": "leaf",
"class": 0
},
{
"id": 6,
"type": "leaf",
"class": 1
}
]
} 
1
Напишите программу
Auto
       

time 1000 ms
memory 256 Mb
Правила оформления программ и список ошибок при автоматической проверке задач

Статистика успешных решений по компиляторам
 Кол-во
Python8
Комментарий учителя

Результат проверки программы 
Для проверки решения задачи необходимо зарегистрироваться или авторизоваться!
Разбор

💡 Полезно знать

  • Counter из модуля collections — удобная штука для подсчёта
  • В реальных задачах ML признак, который часто используется для разбиения, обычно самый "важный" для предсказания
💡 Подсказка 1: Где искать признаки? ▶
Признаки (feature_index) указаны только во внутренних узлах (decision), но не в листьях.

Проходи по узлам и смотри только на те, где type == "decision". У них есть поле feature_index.
💡 Подсказка 2: Как считать частоту? ▶
Используй словарь: ключ = индекс признака, значение = сколько раз встретился.
Обсуждения (0)
Загрузка...
Чтобы оставить комментарий, необходимо авторизоваться
💬
Пока нет комментариев. Будьте первым!
Решения (0)

Решения:

Нет доступных решений