Allena un albero decisionale
Ora tocca a te costruire un modello ad albero decisionale. Un albero decisionale è un elenco di regole if-else apprese dal modello che, nel caso del churn in ambito telecom, decide se i clienti abbandoneranno o meno. Ecco un esempio di grafo di albero decisionale costruito sul famoso insieme di dati di sopravvivenza del Titanic.
train_X, test_X, train_Y, test_Y dell'esercizio precedente sono già stati caricati per te. Inoltre, sono stati caricati dal pacchetto sklearn il modulo tree e la funzione accuracy_score. Adesso costruirai il tuo modello e ne verificherai le prestazioni su dati mai visti.
Questo esercizio fa parte del corso
Machine Learning per il marketing con Python
Istruzioni dell'esercizio
- Inizializza il modello di albero decisionale con
max_depthimpostato a 5. - Allena (fit) il modello sui dati di training, prima
train_X, poitrain_Y. - Prevedi i valori sui dati di test, in questo caso
test_X. - Valuta le prestazioni del modello sui dati di test confrontando le etichette reali con quelle previste.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(___, ___)