Теперь вы применим навыки, полученные в предыдущем упражнении, и построим более сложное дерево решений с дополнительными параметрами для прогнозирования оттока клиентов. В следующей главе мы подробно рассмотрим задачу прогнозирования оттока. В этом упражнении вы снова запустите классификатор на основе дерева решений, обучив его на тренировочных данных, затем спрогнозируете отток на новых (тестовых) данных и оцените точность модели на обоих наборах.

Модуль tree из библиотеки sklearn, а также функция accuracy_score из sklearn.metrics уже загружены. Признаки и целевые переменные также импортированы: train_X, train_Y — для обучающей выборки, test_X, test_Y — для тестовой.

Зачем использовать машинное обучение в маркетинге? Стратегии и сценарии применения

Create Your Free Account