Esegui il fitting di un modello ad albero decisionale
Ora eseguirai il fitting di un albero decisionale sul training set del dataset telecom, poi prevederai le etichette sui dati di test non visti e calcolerai l'accuratezza delle predizioni del modello. Potrai vedere la differenza di prestazioni rispetto alla regressione logistica.
La funzione accuracy_score è già stata importata; inoltre, i dataset di training e di test che hai creato in precedenza sono stati caricati come train_X e test_X per le feature, e train_Y e test_Y per la variabile target.
Questo esercizio fa parte del corso
Machine Learning per il marketing con Python
Istruzioni dell'esercizio
- Inizializza un classificatore ad albero decisionale.
- Esegui il fitting dell'albero decisionale sui dati di training.
- Prevedi le etichette di churn sui dati di test.
- Calcola e stampa l'accuracy sui dati di test.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Initialize decision tree classifier
mytree = tree.___()
# Fit the decision tree on training data
mytree.___(___, ___)
# Predict churn labels on testing data
pred_test_Y = ___.___(___)
# Calculate accuracy score on testing data
test_accuracy = ___(___, ___)
# Print test accuracy
print('Test accuracy:', round(___, 4))