Natrénování modelu rozhodovacího stromu
Teď natrénuješ rozhodovací strom na trénovací sadě telekomunikačního datasetu, predikoješ štítky na dosud neviděných testovacích datech a vypočítáš přesnost předpovědí svého modelu. Uvidíš, jak se jeho výkon liší od logistické regrese.
Funkce accuracy_score je již naimportována a trénovací i testovací datasety, které jsi sestavil/a dříve, jsou načteny jako train_X a test_X pro příznaky a train_Y a test_Y pro cílové proměnné.
Toto cvičení je součástí kurzu
Machine Learning for Marketing in Python
Pokyny k cvičení
- Inicializuj klasifikátor rozhodovacího stromu.
- Natrénuj rozhodovací strom na trénovacích datech.
- Predikuj štítky odchodu zákazníků na testovacích datech.
- Vypočítej skóre přesnosti na testovacích datech a vypiš ho.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize decision tree classifier
mytree = tree.___()
# Fit the decision tree on training data
mytree.___(___, ___)
# Predict churn labels on testing data
pred_test_Y = ___.___(___)
# Calculate accuracy score on testing data
test_accuracy = ___(___, ___)
# Print test accuracy
print('Test accuracy:', round(___, 4))