의사결정나무 학습하기
이제 의사결정나무 모델을 직접 만들어 보세요. 의사결정나무는 Machine Learning으로 학습한 if-else 규칙의 목록으로, 통신사 이탈(churn) 사례에서 고객이 이탈할지 여부를 판정해요. 다음은 유명한 Titanic 생존 데이터셋으로 만든 의사결정나무 그래프 예시예요.
이전 연습 문제에서 사용한 train_X, test_X, train_Y, test_Y가 이미 로드되어 있어요. 또한 sklearn 라이브러리에서 tree 모듈과 accuracy_score 함수도 불러와 두었습니다. 이제 모델을 만들고 보지 못한 데이터에서 성능을 확인해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
max_depth를 5로 설정해 의사결정나무 모델을 초기화하세요.- 학습 데이터(
train_X먼저, 그다음train_Y)로 모델을 학습(fit)하세요. - 테스트 데이터, 여기서는
test_X에 대해 예측하세요. - 실제 테스트 레이블과 예측값을 비교해 테스트 데이터에서 모델의 성능을 측정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___, ___)