Anpassa en beslutsträdsmodell
Nu ska du anpassa ett beslutsträd på träningsdatan från telekomdatasetet, förutsäga etiketter på den osedda testdatan och beräkna noggrannheten hos dina modellförutsägelser. Du kommer att se skillnaden i prestanda jämfört med den logistiska regressionen.
Funktionen accuracy_score har importerats, och tränings- och testdataseten som du byggde tidigare har laddats som train_X och test_X för särdrag samt train_Y och test_Y för målvariabler.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Initiera en beslutsträdsklassificerare.
- Anpassa beslutsträdet på träningsdatan.
- Förutsäg churn-etiketter på testdatan.
- Beräkna och skriv ut noggrannhetspoängen på testdatan.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))