Natrénuj rozhodovací strom
Teď si vyzkoušíš sestavit model rozhodovacího stromu. Rozhodovací strom je sada strojově naučených pravidel typu „if-else", která v případě churn analýzy telekomunikační společnosti rozhodují o tom, zda zákazník odejde, nebo ne. Níže vidíš příklad rozhodovacího stromu sestaveného na základě slavné datové sady Titanic o přežití cestujících.
Proměnné train_X, test_X, train_Y, test_Y z předchozího cvičení jsou už načtené. Stejně tak modul tree a funkce accuracy_score z knihovny sklearn. Teď sestavíš vlastní model a otestuješ, jak si vede na datech, která dosud neviděl.
Toto cvičení je součástí kurzu
Machine Learning for Marketing in Python
Pokyny k cvičení
- Inicializuj model rozhodovacího stromu s hodnotou
max_depthnastavenou na 5. - Natrénuj model na trénovacích datech — nejprve předej
train_X, paktrain_Y. - Proveď predikci na testovacích datech, tedy na
test_X. - Vyhodnoť výkon modelu na testovacích datech porovnáním skutečných testovacích štítků s predikovanými.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)