決定木モデルを学習する
ここでは、通信会社のデータセットの学習用データに対して決定木を学習し、未知のテスト用データでラベルを予測し、モデル予測の精度を計算します。ロジスティック回帰と比べた場合の性能の違いが分かります。
accuracy_score 関数はすでにインポート済みで、以前に作成した学習用・テスト用データセットも、特徴量は train_X と test_X、目的変数は train_Y と test_Y として読み込まれています。
この演習はコースの一部です
Pythonで学ぶマーケティングのための機械学習
演習の手順
- 決定木分類器を初期化します。
- 学習用データで決定木を学習します。
- テスト用データで解約ラベルを予測します。
- テスト用データで精度スコアを計算し、表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))