Fit โมเดล decision tree

ในแบบฝึกหัดนี้ จะได้ fit decision tree บนชุดข้อมูลฝึกสอนของชุดข้อมูลโทรคมนาคม จากนั้นทำนายป้ายกำกับบนข้อมูลทดสอบที่โมเดลยังไม่เคยเห็น และคำนวณความแม่นยำของการทำนาย เพื่อดูว่าประสิทธิภาพต่างจาก logistic regression อย่างไร

ฟังก์ชัน accuracy_score ได้ถูก import มาแล้ว รวมถึงชุดข้อมูลฝึกสอนและทดสอบที่สร้างไว้ก่อนหน้า ซึ่งโหลดมาเป็น train_X และ test_X สำหรับฟีเจอร์ และ train_Y กับ test_Y สำหรับตัวแปรเป้าหมาย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง decision tree classifier
Fit decision tree บนข้อมูลฝึกสอน
ทำนายป้ายกำกับ churn บนข้อมูลทดสอบ
คำนวณและแสดงค่าความแม่นยำบนข้อมูลทดสอบ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด