Karar ağacı modelini uygula
Şimdi telekom veri kümesinin eğitim seti üzerinde bir karar ağacı eğitip, görülmemiş test verisi üzerinde etiketleri tahmin edecek ve model tahminlerinin doğruluğunu hesaplayacaksın. Lojistik regresyona kıyasla performanstaki farkı göreceksin.
accuracy_score fonksiyonu içe aktarılmış durumda. Ayrıca daha önce oluşturduğun eğitim ve test veri kümeleri özellikler için train_X ve test_X, hedef değişkenler için train_Y ve test_Y olarak yüklendi.
Bu egzersiz, kursun bir parçasıdır
Python ile Pazarlama için Machine Learning
Egzersiz talimatları
- Bir karar ağacı sınıflandırıcısı başlat.
- Karar ağacını eğitim verisi üzerinde eğit.
- Test verisi üzerinde churn etiketlerini tahmin et.
- Test verisi üzerindeki doğruluk skorunu hesaplayıp yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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))