Uraikan aturan decision tree

Dalam latihan ini Anda akan mengekstrak aturan if-else dari decision tree dan memvisualisasikannya untuk mengidentifikasi pendorong utama churn.

Instance decision tree yang telah dilatih dimuat sebagai mytree dan fitur terstandardisasi dimuat sebagai DataFrame pandas bernama train_X. Modul tree dari pustaka sklearn dan pustaka graphviz sudah disediakan untuk Anda.

Catat bahwa kami menggunakan fungsi proprietari display_image() sebagai pengganti display(graph) agar Anda lebih mudah melihat hasilnya.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Pemasaran dengan Python

Lihat Kursus

Petunjuk latihan

Ekspor objek graphviz dari decision tree yang telah dilatih.
Tetapkan nama fitur.
Atur precision ke 1 dan tambahkan nama kelas.
Panggil fungsi Source() dari graphviz dan berikan objek graphviz yang telah diekspor.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Export graphviz object from the trained decision tree 
exported = tree.___(decision_tree=mytree, 
			# Assign feature names
            out_file=None, ___=train_X.columns, 
			# Set precision to 1 and add class names
			precision=1, ___=['Not churn','Churn'], filled = True)

# Call the Source function and pass the exported graphviz object
graph = graphviz.___(exported)

# Display the decision tree
display_image("/usr/local/share/datasets/decision_tree_rules.png")

Edit dan Jalankan Kode