1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶマーケティングのための機械学習
Connected

演習

決定木でチャーンを予測する

これまでの演習で身につけたスキルを発展させ、追加パラメータを用いたより複雑な決定木で顧客チャーンを予測します。チャーン予測の詳細は次の章で深掘りします。ここでは、学習データに対して決定木分類器を再度実行し、未知（テスト）データでチャーン率を予測し、両方のデータセットでモデル精度を評価します。

sklearn ライブラリの tree モジュールと、sklearn.metrics の accuracy_score 関数は読み込まれています。特徴量と目的変数も、学習用は train_X, train_Y、テスト用は test_X, test_Y としてインポート済みです。

指示

100 XP
  • 最大深さを 7、基準に gini を指定して Decision tree を初期化します。
  • 学習データにモデルを適合させます。
  • テストデータセットで予測します。
  • 学習データセットとテストデータセットの両方について、精度を出力します。