Detalhe as regras da árvore de decisão

Neste exercício, você vai extrair as regras if-else da árvore de decisão e plotá-las para identificar os principais fatores do churn.

A instância da árvore de decisão ajustada está carregada como mytree e as variáveis escalonadas estão em um DataFrame do pandas chamado train_X. O módulo tree da biblioteca sklearn e a biblioteca graphviz já foram carregados para você.

Observe que usamos uma função proprietária display_image() em vez de display(graph) para facilitar a visualização da saída.

Este exercício faz parte do curso

Machine Learning para Marketing em Python

Ver curso

Instruções do exercício

Exporte o objeto graphviz da árvore de decisão treinada.
Atribua os nomes das variáveis (feature names).
Defina a precisão como 1 e adicione os nomes das classes.
Chame a função Source() do graphviz e passe o objeto graphviz exportado.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Export graphviz object from the trained decision tree 
exported = tree.___(decision_tree=mytree, 
			# Assign feature names
            out_file=None, ___=train_X.columns, 
			# Set precision to 1 and add class names
			precision=1, ___=['Not churn','Churn'], filled = True)

# Call the Source function and pass the exported graphviz object
graph = graphviz.___(exported)

# Display the decision tree
display_image("/usr/local/share/datasets/decision_tree_rules.png")

Editar e executar o código