Обучение модели дерева решений
Теперь вы обучите дерево решений на обучающей выборке набора данных телекоммуникационной компании, затем предскажете метки для новых тестовых данных и оцените точность предсказаний модели. Вы увидите разницу в качестве по сравнению с логистической регрессией.
Функция accuracy_score уже импортирована, а обучающая и тестовая выборки, подготовленные ранее, загружены как train_X и test_X для признаков и train_Y и test_Y для целевых переменных.
Это упражнение является частью курса
Машинное обучение для маркетинга на Python
Инструкции к упражнению
- Инициализируйте классификатор на основе дерева решений.
- Обучите дерево решений на обучающих данных.
- Предскажите метки оттока на тестовых данных.
- Вычислите и выведите значение точности на тестовых данных.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Initialize decision tree classifier
mytree = tree.___()
# Fit the decision tree on training data
mytree.___(___, ___)
# Predict churn labels on testing data
pred_test_Y = ___.___(___)
# Calculate accuracy score on testing data
test_accuracy = ___(___, ___)
# Print test accuracy
print('Test accuracy:', round(___, 4))