Huấn luyện một mô hình scikit-learn khác
Tất cả các mô hình sklearn đều có các phương thức .fit() và .predict() giống như bạn đã dùng ở bài trước với mô hình LogisticRegression. Nhờ đó, bạn có thể dễ dàng thử nhiều mô hình khác nhau để xem mô hình nào cho hiệu năng tốt nhất. Để bạn tự tin hơn khi dùng API của sklearn, trong bài này bạn sẽ thử fit một DecisionTreeClassifier thay vì LogisticRegression.
Bài tập này là một phần của khóa học
Phân tích Marketing: Dự đoán Khách hàng Rời bỏ bằng Python
Hướng dẫn bài tập
- Import
DecisionTreeClassifiertừsklearn.tree. - Khởi tạo bộ phân loại, lưu vào biến
clf. - Huấn luyện bộ phân loại với dữ liệu. Các đặc trưng nằm trong biến
features, và biến mục tiêu quan tâm là'Churn'. - Dự đoán nhãn của
new_customer.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)