De boom exporteren

Bij Decision Tree-classificatietaken is overfitting meestal het gevolg van te diep gegroeide bomen. Zoals de vergelijking van de nauwkeurigheidsscores op de train- en testsets laat zien, heb je in je resultaten last van overfitting. Dit kun je ook afleiden uit de boomvisualisatie.

In deze oefening exporteer je de decision tree naar een tekstdocument, dat je vervolgens kunt gebruiken voor visualisatie.

Deze oefening maakt deel uit van de cursus

HR-analytics: verloop van medewerkers voorspellen in Python

Cursus bekijken

Oefeninstructies

Importeer de functie export_graphviz() uit de submodule sklearn.tree.
Train het model op de trainingsdata.
Exporteer de visualisatie naar het bestand tree.dot.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import the graphical visualization export function
from sklearn.____ import export_graphviz

# Apply Decision Tree model to fit Features to the Target
model.____(features_train,target_train)

# Export the tree to a dot file
____(model,"tree.____")

Code bewerken en uitvoeren