Entraîner un autre modèle scikit-learn
Tous les modèles sklearn disposent des méthodes .fit() et .predict(), comme celle que vous avez utilisée dans l’exercice précédent avec le modèle LogisticRegression. Cette caractéristique vous permet d’essayer facilement plusieurs modèles afin d’identifier celui qui offre les meilleures performances. Pour vous rendre plus à l’aise avec l’API sklearn, vous allez ici ajuster un DecisionTreeClassifier au lieu d’un LogisticRegression.
Cet exercice fait partie du cours
Marketing Analytics : prédire l’attrition client en Python
Instructions
- Importez
DecisionTreeClassifierdepuissklearn.tree. - Instanciez le classifieur et stockez le résultat dans
clf. - Entraînez le classifieur sur les données. Les variables explicatives sont 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 cet exemple de code.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)