Exporter l’arbre

Dans les tâches de classification avec des arbres de décision, le surapprentissage provient souvent d’arbres trop profonds. Comme la comparaison des scores de précision sur les ensembles d’entraînement et de test le montre, vos résultats présentent du surapprentissage. La visualisation de l’arbre permet également de le constater.

Dans cet exercice, vous allez exporter l’arbre de décision dans un document texte, qui pourra ensuite être utilisé pour la visualisation.

Cet exercice fait partie du cours

<cours>Analytique RH : prédire l’attrition des employés en Python</cours>

Voir le cours

Instructions de l’exercice

Importez la fonction export_graphviz() depuis le sous-module sklearn.tree.
Entraînez le model sur les données d’entraînement.
Exporte z la visualisation vers 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