의사결정나무 규칙 살펴보기

이 연습 문제에서는 의사결정나무에서 if-else 규칙을 추출하고 이를 시각화하여 이탈(churn)의 주요 요인을 파악해 보겠습니다.

학습된 의사결정나무 인스턴스는 mytree로, 스케일링된 특성은 train_X라는 pandas DataFrame으로 제공됩니다. sklearn 라이브러리의 tree 모듈과 graphviz 라이브러리는 이미 로드되어 있습니다.

display(graph)대신 전용displayimage()` 함수를 사용하여 결과를 더 쉽게 볼 수 있도록 했다는 점에 유의하세요._

이 연습은 강의의 일부입니다

Python으로 배우는 마케팅용 Machine Learning

강의 보기

연습 안내

학습된 의사결정나무에서 graphviz 객체를 내보내세요.
feature 이름을 지정하세요.
정밀도(precision)를 1로 설정하고 클래스 이름을 추가하세요.
graphviz의 Source() 함수를 호출하고, 내보낸 graphviz 객체를 전달하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Export graphviz object from the trained decision tree 
exported = tree.___(decision_tree=mytree, 
			# Assign feature names
            out_file=None, ___=train_X.columns, 
			# Set precision to 1 and add class names
			precision=1, ___=['Not churn','Churn'], filled = True)

# Call the Source function and pass the exported graphviz object
graph = graphviz.___(exported)

# Display the decision tree
display_image("/usr/local/share/datasets/decision_tree_rules.png")

코드 편집 및 실행