Обучение дерева решений на данных о сотрудниках
Разбивка на обучающую и тестовую выборки позволяет строить классификатор на обучающей части данных и проверять его качество на оставшейся. В этом упражнении вы начнёте разрабатывать модель прогнозирования увольнения сотрудников с помощью алгоритма классификации дерево решений. Алгоритм предоставляет метод .fit(), с помощью которого можно обучить модель на признаках из обучающей выборки.
Напоминание: целевая переменная и признаки уже разделены на обучающую и тестовую части (обучающая: features_train, target_train; тестовая: features_test, target_test)
Это упражнение является частью курса
HR-аналитика: прогнозирование текучести кадров на Python
Инструкции к упражнению
- Импортируйте алгоритм классификации
DecisionTreeClassifier. - Инициализируйте его как
modelи установите случайное состояние (random state) равным 42. - Примените модель дерева решений, обучив её на признаках из обучающей выборки с помощью объекта
model.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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, ____)