Ajuster l'arbre aux données des employés
Une division entraînement/test permet de concevoir le classifieur sur l'ensemble d'entraînement et de le tester sur le reste du jeu de données. Dans cet exercice, vous allez commencer à élaborer un modèle de prédiction du roulement du personnel au moyen de l'algorithme de classification decision tree. Cet algorithme offre une méthode .fit() qui sert à ajuster les caractéristiques au modèle sur l'ensemble d'entraînement.
Rappel : la cible et les caractéristiques sont déjà divisées en composantes d'entraînement et de test (Entraînement : features_train, target_train, Test : features_test, target_test).
Cette activité fait partie du cours
Analytique RH : prédire le roulement du personnel avec Python
Instructions de l’exercice
- Importez l'algorithme de classification
DecisionTreeClassifier. - Initialisez-le sous le nom
modelet fixez l'état aléatoire à 42. - Appliquez le modèle d'arbre de décision en ajustant les caractéristiques de l'ensemble d'entraînement au
model.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import the classification algorithm
from sklearn.tree import ____
# Initialize it and call model by specifying the random_state parameter
model = ____(random_state=42)
# Apply a decision tree model to fit features to the target
model.____(features_train, ____)