Entraîner un autre modèle scikit-learn
Tous les modèles sklearn ont des méthodes .fit() et .predict(), comme celui que vous avez utilisé dans l'exercice précédent avec le modèle LogisticRegression. Cette caractéristique vous permet d'essayer facilement plusieurs modèles afin de voir lequel offre le meilleur rendement. Pour vous rendre plus à l'aise avec l'API sklearn, dans cet exercice vous allez entraîner un DecisionTreeClassifier plutôt qu'un LogisticRegression.
Cette activité fait partie du cours
Analytique marketing : prédire l'attrition de la clientèle avec Python
Instructions de l’exercice
- Importez
DecisionTreeClassifierdepuissklearn.tree. - Instanciez le classificateur et enregistrez le résultat dans
clf. - Entraînez le classificateur sur les données. Les variables explicatives se trouvent dans la variable
features, et la variable cible d'intérêt est'Churn'. - Prédisez l'étiquette de
new_customer.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)