Melatih tree pada data karyawan

Pembagian train/test memberi kesempatan untuk mengembangkan classifier pada komponen pelatihan dan mengujinya pada sisa himpunan data. Dalam latihan ini, Anda akan mulai mengembangkan model prediksi turnover karyawan menggunakan algoritma klasifikasi decision tree. Algoritma ini menyediakan metode .fit() yang dapat digunakan untuk menyesuaikan fitur ke model pada himpunan pelatihan.

Pengingat: baik target maupun fitur sudah dibagi menjadi komponen train dan test (Train: features_train, target_train, Test: features_test, target_test)

Latihan ini adalah bagian dari kursus

Analitik SDM: Memprediksi Perputaran Karyawan dengan Python

Lihat Kursus

Petunjuk latihan

Impor algoritma klasifikasi bernama DecisionTreeClassifier.
Inisialisasi sebagai model dan atur random state ke 42.
Terapkan model decision tree dengan menyesuaikan fitur himpunan pelatihan ke model.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import the classification algorithm
from sklearn.tree import ____

# Initialize it and call model by specifying the random_state parameter
model = ____(random_state=42)

# Apply a decision tree model to fit features to the target
model.____(features_train, ____)

Edit dan Jalankan Kode