1. Learn
    2. /
  2. Cursuri
    3. /
  3. Uczenie maszynowe w marketingu w Pythonie
Connected

exercițiu

Przewidywanie odpływu klientów za pomocą drzewa decyzyjnego

Teraz rozwiniesz umiejętności zdobyte w poprzednim ćwiczeniu i zbudujesz bardziej rozbudowane drzewo decyzyjne z dodatkowymi parametrami, aby przewidzieć odpływ klientów. W następnym rozdziale dogłębnie zajmiemy się tym problemem. Tutaj ponownie uruchomisz klasyfikator drzewa decyzyjnego na danych treningowych, przewidzisz odpływ na niewidzianych wcześniej danych testowych i ocenisz dokładność modelu na obu zbiorach.

Moduł tree z biblioteki sklearn został już załadowany, podobnie jak funkcja accuracy_score z sklearn.metrics. Cechy i zmienne docelowe są dostępne jako train_X, train_Y dla danych treningowych oraz test_X, test_Y dla danych testowych.

Instrucțiuni

100 XP
  • Zainicjalizuj drzewo decyzyjne z maksymalną głębokością równą 7 oraz z kryterium gini.
  • Dopasuj model do danych treningowych.
  • Przewidź wartości na zbiorze testowym.
  • Wyświetl wartości dokładności dla obu zbiorów: treningowego i testowego.