Trenowanie kolejnego modelu scikit-learn
Wszystkie modele sklearn mają metody .fit() i .predict(), tak jak model LogisticRegression użyty w poprzednim ćwiczeniu. Dzięki temu możesz łatwo wypróbować wiele różnych modeli i sprawdzić, który daje najlepsze wyniki. Aby lepiej oswoić się z interfejsem API sklearn, w tym ćwiczeniu zamiast LogisticRegression użyjesz DecisionTreeClassifier.
To ćwiczenie jest częścią kursu
Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj
DecisionTreeClassifierzsklearn.tree. - Zainicjuj klasyfikator, zapisując wynik w zmiennej
clf. - Wytrenuj klasyfikator na danych. Cechy znajdują się w zmiennej
features, a docelowa zmienna to'Churn'. - Przewidź etykietę dla
new_customer.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)