Karar ağacı kurallarını parçala

Bu egzersizde karar ağacından if-else kurallarını çıkaracak ve bunları görselleştirerek churn’ün başlıca etmenlerini belirleyeceksin.

Eğitilmiş karar ağacı örneği mytree olarak, ölçeklenmiş özellikler ise train_X adlı bir pandas DataFrame’i olarak yüklendi. sklearn kütüphanesinden tree modülü ve graphviz kütüphanesi de senin için önceden yüklendi.

Not: Çıktıyı daha kolay görmen için display(graph) yerine özel bir display_image() fonksiyonu kullandık.

Bu egzersiz

Python ile Pazarlama için Machine Learning

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Eğitilmiş karar ağacından graphviz nesnesini dışa aktar.
Özellik adlarını ata.
Duyarlılığı 1 olarak ayarla ve sınıf adlarını ekle.
graphviz içinden Source() fonksiyonunu çağır ve dışa aktarılmış graphviz nesnesini aktar.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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")

Kodu Düzenle ve Çalıştır