สร้าง Decision Tree

ในแบบฝึกหัดนี้ จะได้ลองสร้างโมเดล Decision Tree กัน Decision Tree คือชุดกฎ if-else ที่เครื่องเรียนรู้มาเพื่อตัดสินใจว่าลูกค้าจะยกเลิกบริการหรือไม่ในกรณีของการ churn ในธุรกิจโทรคมนาคม ตัวอย่างกราฟ Decision Tree ด้านล่างสร้างขึ้นจากชุดข้อมูลการรอดชีวิตบน Titanic ที่เป็นที่รู้จักกันดี

ตัวแปร train_X, test_X, train_Y, test_Y จากแบบฝึกหัดก่อนหน้าถูกโหลดไว้ให้แล้ว รวมถึงโมดูล tree และฟังก์ชัน accuracy_score จากไลบรารี sklearn ตอนนี้ให้สร้างโมเดลและตรวจสอบประสิทธิภาพของโมเดลบนข้อมูลที่ยังไม่เคยเห็นมาก่อน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

กำหนดค่าเริ่มต้นของโมเดล Decision Tree โดยตั้งค่า max_depth เป็น 5
Fit โมเดลกับข้อมูลชุด training โดยใส่ train_X ก่อน แล้วตามด้วย train_Y
ทำนายค่าจากข้อมูลชุด testing ในที่นี้คือ test_X
วัดประสิทธิภาพของโมเดลบนข้อมูลชุด testing โดยเปรียบเทียบ label จริงกับค่าที่โมเดลทำนาย

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)

# Fit the model on the training data
treemodel = mytree.___(___, ___)

# Predict values on the testing data
pred_Y = treemodel.___(___)

# Measure model performance on testing data
accuracy_score(___, ___)

แก้ไขและรันโค้ด