ถอดกฎของ Decision Tree

ในแบบฝึกหัดนี้ คุณจะดึงกฎ if-else ออกจาก decision tree และพล็อตเพื่อระบุปัจจัยหลักที่ขับเคลื่อนการเลิกใช้บริการ

โมเดล decision tree ที่ฝึกแล้วถูกโหลดไว้เป็น mytree และฟีเจอร์ที่ปรับสเกลแล้วถูกโหลดไว้เป็น DataFrame ของ pandas ชื่อว่า train_X โดยได้โหลดโมดูล tree จากไลบรารี sklearn และไลบรารี graphviz ไว้ให้แล้ว

หมายเหตุ: เราใช้ฟังก์ชัน display_image() แบบกำหนดเองแทน display(graph) เพื่อให้ดูผลลัพธ์ได้ง่ายขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

ส่งออกออบเจ็กต์ graphviz จาก decision tree ที่ฝึกแล้ว
กำหนดชื่อฟีเจอร์
ตั้งค่าความละเอียดเป็น 1 และเพิ่มชื่อคลาส
เรียกใช้ฟังก์ชัน Source() จาก graphviz และส่งออบเจ็กต์ graphviz ที่ส่งออกมาแล้วเข้าไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Export graphviz object from the trained decision tree 
exported = tree.___(decision_tree=mytree, 
			# Assign feature names
            out_file=None, ___=train_X.columns, 
			# Set precision to 1 and add class names
			precision=1, ___=['Not churn','Churn'], filled = True)

# Call the Source function and pass the exported graphviz object
graph = graphviz.___(exported)

# Display the decision tree
display_image("/usr/local/share/datasets/decision_tree_rules.png")

แก้ไขและรันโค้ด