Arbres de décision et réseaux neuronaux
Construisez un arbre de décision pour classer les niveaux de revenus en fonction de plusieurs caractéristiques, notamment l'âge, le niveau d'éducation et le nombre d'heures travaillées par semaine, et extrayez les règles apprises qui expliquent la décision. Comparez ensuite ses performances à celles d'un classificateur MLPC formé sur les mêmes données.
X_train, X_test, y_train, et y_test sont préchargés pour vous. Les fonctions accuracy_score et export_text sont également importées pour vous.
Cet exercice fait partie du cours
L'IA explicable en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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}")