Trénování stromu na datech o zaměstnancích
Rozdělení dat na trénovací a testovací sadu ti umožní natrénovat klasifikátor na trénovací části a ověřit jeho výkon na zbytku dat. V tomto cvičení začneš budovat model pro predikci odchodu zaměstnanců pomocí klasifikačního algoritmu rozhodovacího stromu. Algoritmus nabízí metodu .fit(), která slouží k natrénování modelu na příznacích z trénovací sady.
Připomínka: cílová proměnná i příznaky jsou už rozděleny na trénovací a testovací část (trénovací: features_train, target_train, testovací: features_test, target_test)
Toto cvičení je součástí kurzu
HR Analytics: Predicting Employee Churn in Python
Pokyny k cvičení
- Importuj klasifikační algoritmus
DecisionTreeClassifier. - Inicializuj ho jako
modela nastav náhodný stav na hodnotu 42. - Aplikuj model rozhodovacího stromu tak, že na něm natrénuješ příznaky z trénovací sady.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the classification algorithm
from sklearn.tree import ____
# Initialize it and call model by specifying the random_state parameter
model = ____(random_state=42)
# Apply a decision tree model to fit features to the target
model.____(features_train, ____)