Ajuste uma árvore de decisão
Agora, você vai tentar construir um modelo de árvore de decisão. A árvore de decisão é uma lista de regras if-else aprendidas por Machine Learning que decide, no caso de churn em telecom, se clientes vão dar churn ou não. Aqui está um exemplo de grafo de árvore de decisão construído no famoso conjunto de dados de sobrevivência do Titanic.
Os train_X, test_X, train_Y, test_Y do exercício anterior já foram carregados para você. Além disso, o módulo tree e a função accuracy_score foram importados da biblioteca sklearn. Agora você vai construir seu modelo e verificar seu desempenho em dados não vistos.
Este exercício faz parte do curso
Machine Learning para Marketing em Python
Instruções do exercício
- Inicialize o modelo de árvore de decisão com
max_depthdefinido como 5. - Faça o fit do modelo nos dados de treino, primeiro
train_X, depoistrain_Y. - Faça a previsão dos valores dos dados de teste, neste caso
test_X. - Meça o desempenho do seu modelo nos dados de teste comparando os rótulos reais de teste com os previstos.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)