Arbres de décision vs réseaux de neurones
Créez un classificateur par arbre de décision pour classer les niveaux de revenu à partir de plusieurs caractéristiques, notamment l'âge, le niveau de scolarité et le nombre d'heures travaillées par semaine, puis extrayez les règles apprises qui expliquent la décision. Comparez ensuite sa performance à celle d'un MLPClassifier entraîné sur les mêmes données.
X_train, X_test, y_train et y_test sont déjà chargés pour vous. Les fonctions accuracy_score et export_text sont aussi importées.
Cette activité fait partie du cours
Explainable AI en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
model = DecisionTreeClassifier(random_state=42, max_depth=2)
model.fit(X_train, y_train)
# Extract the rules
rules = ____
print(rules)
y_pred = model.predict(X_test)
# Compute accuracy
accuracy = ____
print(f"Accuracy: {accuracy:.2f}")