LoslegenKostenlos starten

Ein weiteres scikit-learn-Modell trainieren

Alle sklearn-Modelle haben Methoden .fit() und .predict(), genau wie das LogisticRegression-Modell im vorherigen Exercise. Dieses Feature ermöglicht es dir, viele verschiedene Modelle schnell auszuprobieren und zu sehen, welches am besten abschneidet. Um dich mit der sklearn-API sicherer zu machen, wirst du in dieser Aufgabe statt einer LogisticRegression einen DecisionTreeClassifier fitten.

Diese Übung ist Teil des Kurses

<Kurs>Marketing Analytics: Kundenabwanderung in Python vorhersagen</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere DecisionTreeClassifier aus sklearn.tree.
  • Instanziiere den Klassifikator und speichere das Ergebnis in clf.
  • Trainiere den Klassifikator auf den Daten. Die Features stehen in der Variable features, und die Zielvariable ist 'Churn'.
  • Sage das Label von new_customer voraus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import DecisionTreeClassifier


# Instantiate the classifier


# Fit the classifier


# Predict the label of new_customer
print(____)
Code bearbeiten und ausführen