Exporter l'arbre

Dans les tâches de classification avec un Decision Tree, le surapprentissage est généralement causé par des arbres trop profonds. Comme la comparaison des scores de justesse sur les ensembles d'entraînement et de test l'indique, vos résultats présentent du surapprentissage. On peut aussi le constater avec la visualisation de l'arbre.

Dans cet exercice, vous allez exporter l'arbre de décision dans un document texte, qui pourra ensuite servir à la visualisation.

Cette activité fait partie du cours

Analytique RH : prédire le roulement du personnel avec Python

Voir le cours

Instructions de l’exercice

Importez la fonction export_graphviz() du sous-module sklearn.tree.
Entraînez le model avec les données d'entraînement.
Exportez la visualisation dans le fichier tree.dot.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import the graphical visualization export function
from sklearn.____ import export_graphviz

# Apply Decision Tree model to fit Features to the Target
model.____(features_train,target_train)

# Export the tree to a dot file
____(model,"tree.____")

Modifier et exécuter le code