Nog een scikit-learn-model trainen
Alle sklearn-modellen hebben .fit()- en .predict()-methoden, net als het LogisticRegression-model dat je in de vorige oefening gebruikte. Hierdoor kun je makkelijk verschillende modellen proberen en kijken welk model de beste prestaties levert. Om je vertrouwd te maken met de sklearn-API, ga je in deze oefening een DecisionTreeClassifier fitten in plaats van een LogisticRegression.
Deze oefening maakt deel uit van de cursus
Marketinganalyse: klantverloop voorspellen in Python
Oefeninstructies
- Importeer
DecisionTreeClassifieruitsklearn.tree. - Instantier de classifier en sla het resultaat op in
clf. - Train de classifier op de data. De features staan in de variabele
featuresen de doelvariabele is'Churn'. - Voorspel het label van
new_customer.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)