決定木を学習させる
ここでは、決定木モデルの構築に挑戦します。決定木は、Machine Learning によって学習された if-else の規則の集合で、たとえば通信業界の解約予測では、顧客が解約するかどうかを判断します。以下は有名な Titanic の生存データセットで作成した決定木の例です。
前の演習で作成した train_X、test_X、train_Y、test_Y はすでに読み込まれています。さらに、sklearn ライブラリから tree モジュールと accuracy_score 関数もインポート済みです。これからモデルを構築し、未知データでの性能を確認します。
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
max_depthを 5 に設定して決定木モデルを初期化します。- 訓練データでモデルを学習します。順番は最初に
train_X、次にtrain_Yです。 - テスト用特徴量、ここでは
test_Xに対して予測を行います。 - 予測ラベルと実際のテストラベルを比較し、テストデータでのモデル性能を測定します。
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 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(___, ___)