Ajustando a árvore aos dados de funcionários
A divisão em treino/teste permite desenvolver o classificador com a parte de treino e testá-lo no restante do conjunto de dados. Neste exercício, você vai começar a desenvolver um modelo de previsão de rotatividade de funcionários usando o algoritmo de classificação de árvore de decisão. O algoritmo fornece um método .fit(), que pode ser usado para ajustar as variáveis preditoras ao modelo no conjunto de treino.
Lembrete: tanto o alvo quanto as variáveis preditoras já estão divididos em componentes de treino e teste (Treino: features_train, target_train, Teste: features_test, target_test)
Este exercício faz parte do curso
HR Analytics: prevendo rotatividade de funcionários em Python
Instruções do exercício
- Importe o algoritmo de classificação chamado
DecisionTreeClassifier. - Inicialize-o como
modele defina o random state como 42. - Aplique o modelo de árvore de decisão ajustando as variáveis de treino ao
model.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import the classification algorithm
from sklearn.tree import ____
# Initialize it and call model by specifying the random_state parameter
model = ____(random_state=42)
# Apply a decision tree model to fit features to the target
model.____(features_train, ____)