Обучение ещё одной модели scikit-learn
Все модели sklearn имеют методы .fit() и .predict() — такие же, как те, что вы использовали в предыдущем упражнении для модели LogisticRegression. Это позволяет легко перебирать разные модели и выбирать ту, которая даёт наилучший результат. Чтобы вы лучше освоились с API sklearn, в этом упражнении вместо LogisticRegression попробуйте использовать DecisionTreeClassifier.
Это упражнение является частью курса
Маркетинговая аналитика: прогнозирование оттока клиентов на Python
Инструкции к упражнению
- Импортируйте
DecisionTreeClassifierизsklearn.tree. - Создайте экземпляр классификатора и сохраните его в переменную
clf. - Обучите классификатор на данных. Признаки хранятся в переменной
features, целевая переменная —'Churn'. - Предскажите метку для
new_customer.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)