Anpassa trädet till medarbetardata
En uppdelning i tränings- och testdata ger möjlighet att utveckla klassificeraren på träningsdelen och utvärdera den på resten av datamängden. I den här övningen börjar du bygga en modell för att förutsäga personalomsättning med hjälp av klassificeringsalgoritmen beslutsträd. Algoritmen tillhandahåller en .fit()-metod som används för att anpassa särdragen till modellen på träningsdata.
Påminnelse: både målet och särdragen är redan uppdelade i tränings- och testkomponenter (Träning: features_train, target_train, Test: features_test, target_test)
Den här övningen är en del av kursen
HR-analys: Förutsäg personalomsättning i Python
Övningsinstruktioner
- Importera klassificeringsalgoritmen
DecisionTreeClassifier. - Initiera den som
modeloch sätt slumptillståndet till 42. - Tillämpa beslutsträdsmodellen genom att anpassa träningsdatans särdrag till
model.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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, ____)