Entrenar otro modelo de scikit-learn
Todos los modelos de sklearn tienen métodos .fit() y .predict() como el que usaste en el ejercicio anterior para el modelo LogisticRegression. Esto te permite probar fácilmente distintos modelos para ver cuál ofrece el mejor rendimiento. Para que te sientas más cómodo con la API de sklearn, en este ejercicio probarás a ajustar un DecisionTreeClassifier en lugar de un LogisticRegression.
Este ejercicio forma parte del curso
Marketing Analytics: Predicción de churn de clientes en Python
Instrucciones del ejercicio
- Importa
DecisionTreeClassifierdesklearn.tree. - Instancia el clasificador y guarda el resultado en
clf. - Entrena el clasificador con los datos. Las características están en la variable
featuresy la variable objetivo de interés es'Churn'. - Predice la etiqueta de
new_customer.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)