Treinando outro modelo do scikit-learn
Todos os modelos do sklearn têm os métodos .fit() e .predict(), como o que você usou no exercício anterior para o modelo LogisticRegression. Esse recurso permite que você teste facilmente vários modelos diferentes para ver qual oferece o melhor desempenho. Para aumentar sua confiança no uso da API do sklearn, neste exercício você vai ajustar um DecisionTreeClassifier em vez de um LogisticRegression.
Este exercicio faz parte do curso
Análise de Marketing: Prevendo Churn de Clientes em Python
Instruções do exercicio
- Importe
DecisionTreeClassifierdesklearn.tree. - Instancie o classificador, armazenando o resultado em
clf. - Treine o classificador com os dados. As variáveis preditoras estão na variável
features, e a variável-alvo de interesse é'Churn'. - Faça a previsão do rótulo de
new_customer.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)