Prezice rata de abandon cu arbore de decizie
Acum vei construi pe baza abilităților dobândite în exercițiul anterior și vei crea un arbore de decizie mai complex, cu parametri suplimentari, pentru a prezice abandonul clienților. În capitolul următor vei aprofunda această problemă. Deocamdată, vei rula din nou clasificatorul bazat pe arbore de decizie pe datele de antrenament, vei prezice rata de abandon pe date nevăzute (de testare) și vei evalua acuratețea modelului pe ambele seturi de date.
Modulul tree din biblioteca sklearn a fost deja încărcat, împreună cu funcția accuracy_score din sklearn.metrics. Variabilele cu caracteristici și țintă au fost importate ca train_X, train_Y pentru datele de antrenament și test_X, test_Y pentru datele de testare.
Acest exercițiu face parte din cursul
Machine Learning pentru Marketing în Python
Instrucțiuni pentru exercițiu
- Inițializează un arbore de decizie cu adâncimea maximă setată la 7 și folosind criteriul gini.
- Antrenează modelul pe datele de antrenament.
- Realizează predicții pe setul de date de testare.
- Afișează valorile acurateței pentru ambele seturi de date – de antrenament și de testare.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Initialize the Decision Tree
clf = tree.DecisionTreeClassifier(max_depth = ___,
criterion = 'gini',
splitter = 'best')
# Fit the model to the training data
clf = clf.___(train_X, train_Y)
# Predict the values on test dataset
pred_Y = clf.___(test_X)
# Print accuracy values
print("Training accuracy: ", np.round(clf.score(train_X, train_Y), 3))
print("Test accuracy: ", np.round(___(test_Y, pred_Y), 3))