Arbres de décision vs réseaux de neurones
Entraînez un classifieur par arbre de décision pour classer les niveaux de revenu à partir de plusieurs variables, notamment l’âge, le niveau d’études et le nombre d’heures travaillées par semaine, puis extrayez les règles apprises qui expliquent la décision. Comparez ensuite ses performances avec 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 également importées.
Cet exercice fait partie du cours
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}")