Навчання дерева на даних про співробітників
Поділ на train/test дає змогу навчити класифікатор на тренувальній частині та перевірити його на решті набору даних. У цій вправі ви почнете розробляти модель прогнозування плинності кадрів, використовуючи алгоритм класифікації decision tree. Алгоритм має метод .fit(), за допомогою якого можна підігнати ознаки до моделі на тренувальній вибірці.
Нагадування: ціль і ознаки вже поділено на тренувальну та тестову частини (Train: features_train, target_train, Test: features_test, target_test).
Ця вправа є частиною курсу
HR Analytics: прогнозування плинності персоналу в Python
Інструкції до вправи
- Імпортуйте алгоритм класифікації
DecisionTreeClassifier. - Ініціалізуйте його як
modelі встановіть random_state рівним 42. - Застосуйте модель дерева рішень, навчивши
modelна ознаках тренувальної вибірки.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Import the classification algorithm
from sklearn.tree import ____
# Initialize it and call model by specifying the random_state parameter
model = ____(random_state=42)
# Apply a decision tree model to fit features to the target
model.____(features_train, ____)