Träna en annan scikit-learn-modell
Alla sklearn-modeller har metoderna .fit() och .predict(), precis som LogisticRegression-modellen du använde i föregående övning. Det gör det enkelt att prova olika modeller och jämföra deras prestanda. För att du ska känna dig mer bekväm med sklearn-API:et får du i den här övningen träna en DecisionTreeClassifier i stället för en LogisticRegression.
Den här övningen är en del av kursen
Marknadsföringsanalys: Prediktera kundbortfall i Python
Övningsinstruktioner
- Importera
DecisionTreeClassifierfrånsklearn.tree. - Instansiera klassificeraren och lagra resultatet i
clf. - Träna klassificeraren på datan. Särdragen finns i variabeln
features, och målvariabeln är'Churn'. - Förutsäg etiketten för
new_customer.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)