Навчіть модель дерева рішень
Тепер ви навчите дерево рішень на тренувальній вибірці з набору даних телеком-компанії, потім передбачите мітки для невиданих тестових даних і обчислите точність ваших передбачень. Ви побачите, як зміниться якість порівняно з логістичною регресією.
Функцію accuracy_score вже імпортовано, а також завантажено тренувальні й тестові набори даних, які ви створили раніше: train_X і test_X для ознак та train_Y і test_Y для цільової змінної.
Ця вправа є частиною курсу
Machine Learning для маркетингу в Python
Інструкції до вправи
- Ініціалізуйте класифікатор дерева рішень.
- Навчіть дерево рішень на тренувальних даних.
- Передбачте мітки відтоку на тестових даних.
- Обчисліть і виведіть точність на тестових даних.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))