एक decision tree फिट करें
अब आप एक decision tree मॉडल बनाने की कोशिश करेंगे। Decision tree मशीन-लर्निंग से सीखे गए if-else नियमों की एक सूची होता है, जो टेलीकॉम churn के मामले में तय करता है कि ग्राहक churn करेंगे या नहीं। नीचे मशहूर Titanic survival डेटासेट पर बना एक decision tree ग्राफ़ का उदाहरण दिया है.
पिछले अभ्यास से train_X, test_X, train_Y, test_Y आपके लिए लोड किए गए हैं। साथ ही, sklearn लाइब्रेरी से tree मॉड्यूल और accuracy_score फंक्शन भी लोड हैं। अब आप अपना मॉडल बनाएँगे और अनदेखे डेटा पर इसका प्रदर्शन जाँचेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मार्केटिंग के लिए मशीन लर्निंग
अभ्यास निर्देश
max_depthको 5 पर सेट करके decision tree मॉडल initialize करें.- मॉडल को training डेटा पर फिट करें: पहले
train_X, फिरtrain_Yदें. - testing डेटा, यानी
test_X, के लिए मान predict करें. - testing डेटा पर अपने मॉडल का प्रदर्शन मापें: वास्तविक test लेबल्स और आपके predicted लेबल्स की तुलना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)